Modelul de inteligență artificială poate prezice aplicațiile clinice ale cercetărilor medicale

Când vine vorba de cercetarea biomedicală, sute de articole de cercetare sunt publicate în fiecare zi. Cu toate acestea, poate fi dificil să se prevadă ce cercetare va reuși să iasă din laborator și să conducă la aplicații clinice. Recent, un model de învățare automată dezvoltat de Biroul de Analiză a Portofoliului, sau OPA, de la Institutul Național de Sănătate (NIH) a putut determina probabilitatea ca o cercetare biomedicală să fie utilizată în teste clinice sau în ghiduri. Conform OPA, citarea unui articol de cercetare într-un test clinic este un indicator timpuriu al progresului translational sau al utilizării rezultatelor cercetării ca tratament potențial pentru boli.

Conform raportului publicat de AI Trends, cercetătorii de la OPA au creat o nouă metrică pentru modelul lor de învățare automată, denumită Approximate Potential to Translate, sau APT. Conform directorului OPA, George Santangelo, traducerea bio-medicinală poate fi prevăzută pe baza reacției comunității științifice la articolele de cercetare care stau la baza unui proiect. Santangelo a declarat că există traiectorii distincte pentru fluxul de cunoștințe care pot prezice succesul sau eșecul unui articol în influențarea cercetării clinice.

Crearea metricii APT coincide cu lansarea celei de-a doua versiuni a instrumentului iCite al NIH. iCite este o aplicație bazată pe browser care oferă informații despre publicațiile de reviste pe baza domeniului de analiză specific. În viitor, instrumentul iCite va returna valorile APT pentru interogări.

Procesul de adaptare a cercetării de laborator în aplicații clinice este o sarcină complexă care poate dura ani. S-au făcut încercări de a accelera acest proces, dar din cauza multor variabile implicate, poate fi dificil să se evalueze procesul de traducere. Așa cum a explicat Santangelo, algoritmii de învățare automată sunt un instrument puternic care ar putea

permite clinicienilor să înțeleagă mai bine care articole de cercetare sunt probabil să fie utile în clinică. Pe măsură ce echipa de cercetători a experimentat și a rafinat metrica APT, au apărut modele predictive utile.

Santangelo a explicat:

„Cred că cel mai important lucru la care ne concentrăm este diversitatea de interes din partea cercetătorilor din axa fundamentală până la cea clinică. Când oamenii de-a lungul acestei axe — de la cercetătorii fundamentali, adesea în același domeniu ca și lucrarea publicată, până la cei din clinică — arată interes în forma citărilor în aceste articole, atunci probabilitatea ca acestea să fie citate într-un test clinic sau într-o ghidă este foarte mare.”

Conform lui Santangelo, caracteristicile selectate arată o promisiune reală în prezicerea traducerii de la articol la metodă clinică. Datele colectate pe o perioadă de cel puțin doi ani de la data publicării oferă adesea previziuni precise despre citarea ulterioară a unui articol într-un articol clinic.

Santangelo a explicat că, datorită noii metrici și algoritmilor de învățare automată, cercetătorii pot avea o cunoaștere mai completă a ceea ce se întâmplă în literatura de specialitate și că acest lucru permite o înțelegere mai bună a domeniilor de cercetare care sunt mai probabil să atragă atenția cercetătorilor clinicieni.

Santangelo a explicat, de asemenea, că integrarea algoritmilor în instrumentul iCite este destinată să valorifice natura deschisă și gratuită a bazei de date Open Citation Collection a NIH.

Baza de date Open Citation Collection a NIH este în prezent compusă din peste 420 de milioane de legături de citare și este în creștere. Algoritmul echipei Santangelo va prezenta valorile APT pentru aceste citări atunci când iCite 2.0 va fi lansat în viitor.

Multe baze de date sunt restrictive și proprietare, iar conform lui Santangelo, aceste bariere inhibă cercetarea colaborativă. Santangelo consideră că nu există o justificare fantastică pentru a păstra datele în spatele unui zid de plată și că, deoarece algoritmul lor este destinat să permită altor persoane să vadă valorile calculate APT, nu ar fi benefic să se utilizeze surse de date proprietare.