การดูแลสุขภาพ
แบบจำลอง AI สามารถทำนายการประยุกต์ใช้ทางคลินิกของการวิจัยทางการแพทย์
เมื่อพูดถึงการวิจัยทางชีวการแพทย์ มีการตีพิมพ์ผลงานวิจัยหลายร้อยฉบับทุกวัน แต่อาจเป็นเรื่องยากที่จะคาดเดาว่างานวิจัยใดจะทำให้งานวิจัยนี้อยู่นอกห้องปฏิบัติการและนำไปสู่การนำไปใช้ทางคลินิก ล่าสุดโมเดลการเรียนรู้ของเครื่องที่พัฒนาโดย สำนักวิเคราะห์ผลงานหรือ OPA ที่สถาบันสุขภาพแห่งชาติ (NIH) สามารถระบุความเป็นไปได้ของกรณีการวิจัยทางชีวการแพทย์ที่จะใช้ในการทดลองทางคลินิกหรือแนวทางปฏิบัติ จากข้อมูลของ OPA การอ้างอิงบทความวิจัยในการทดลองทางคลินิกเป็นตัวบ่งชี้ขั้นต้นของความก้าวหน้าในการแปลหรือการใช้ผลการวิจัยในการรักษาโรค
ตามที่รายงานโดย AI Trends นักวิจัยของ OPA ได้สร้างเมตริกใหม่สำหรับโมเดลแมชชีนเลิร์นนิงที่จะใช้ ศักยภาพโดยประมาณในการแปลหรือ อปท. ตามที่ผู้อำนวยการ OPA, George Santangelo การแปลทางการแพทย์ชีวภาพสามารถทำนายได้จากปฏิกิริยาของชุมชนวิทยาศาสตร์ต่อเอกสารการวิจัยที่โครงการอ้างอิง Santangelo กล่าวว่ามีเส้นทางที่แตกต่างกันสำหรับการไหลของความรู้ซึ่งสามารถทำนายอัตราความสำเร็จหรือความล้มเหลวของเอกสารที่มีอิทธิพลต่อการวิจัยทางคลินิก
การสร้างเมตริก APT เกิดขึ้นพร้อมกับการเปิดตัวเครื่องมือ iCite รุ่นที่สองของ NIH iCite เป็นแอปพลิเคชันบนเบราว์เซอร์ที่ให้ข้อมูลเกี่ยวกับสิ่งพิมพ์วารสารตามสาขาการวิเคราะห์เฉพาะ จากนี้ไป เครื่องมือ iCite จะส่งคืนค่า APT สำหรับการสืบค้น
กระบวนการปรับการวิจัยในห้องปฏิบัติการให้เข้ากับการใช้งานทางคลินิกเป็นงานที่ซับซ้อนและมักใช้เวลาหลายปี มีความพยายามที่จะเร่งกระบวนการนี้ เนื่องจากมีตัวแปรมากมายที่เกี่ยวข้องกับงาน จึงอาจเป็นเรื่องยากที่จะประเมินกระบวนการแปล ตามที่อธิบายโดย Santangelo อัลกอริทึมการเรียนรู้ของเครื่องเป็นเครื่องมืออันทรงพลังที่สามารถทำได้
ช่วยให้แพทย์เข้าใจได้ดีขึ้นว่าเอกสารการวิจัยใดที่น่าจะเป็นประโยชน์ในคลินิก ขณะที่ทีมนักวิจัยทำการทดลองและปรับแต่งเมตริก APT ของตน รูปแบบการทำนายที่เป็นประโยชน์ก็เริ่มเกิดขึ้นจริง
“ฉันคิดว่าสิ่งที่สำคัญที่สุดที่เรามุ่งเน้นคือความหลากหลายของความสนใจตั้งแต่แกนพื้นฐานไปจนถึงการวิจัยทางคลินิก เมื่อผู้คนทั่วทั้งแกนนั้น — ตั้งแต่นักวิทยาศาสตร์พื้นฐานซึ่งมักจะอยู่ในสาขาเดียวกับงานที่กำลังตีพิมพ์ ไปจนถึงผู้คนในคลินิก — แสดงความสนใจในรูปแบบของการอ้างอิงในเอกสารเหล่านั้น จากนั้น ความเป็นไปได้ของการอ้างอิงในที่สุดโดย a การทดลองทางคลินิกหรือแนวทางปฏิบัติค่อนข้างสูง”
จากข้อมูลของ Santangelo คุณลักษณะที่เลือกแสดงให้เห็นถึงคำมั่นสัญญาที่แท้จริงในการทำนายการแปลจากเอกสารการวิจัยเป็นวิธีการทางคลินิก ข้อมูลในสิ่งพิมพ์ที่เก็บรวบรวมอย่างน้อยสองปีนับจากวันที่ตีพิมพ์มักจะให้การคาดการณ์ที่แม่นยำเกี่ยวกับการอ้างอิงในท้ายที่สุดของบทความในบทความทางคลินิก
Santangelo อธิบายว่าด้วยเมตริกและอัลกอริธึมการเรียนรู้ของเครื่องใหม่ นักวิจัยสามารถมีความรู้ที่สมบูรณ์มากขึ้นเกี่ยวกับสิ่งที่เกิดขึ้นในวรรณกรรม และสิ่งนี้ช่วยให้เข้าใจได้ดีขึ้นในพื้นที่การวิจัยซึ่งมีแนวโน้มที่จะดึงดูดนักวิทยาศาสตร์ทางคลินิก
Santangelo ยังอธิบายว่าการรวมอัลกอริธึมของพวกเขาเข้ากับเครื่องมือ iCite นั้นมีวัตถุประสงค์เพื่อใช้ประโยชน์จากฐานข้อมูล Open Citation Collection ของ NIH ที่เป็นอิสระและเปิดกว้าง
ปัจจุบัน ฐานข้อมูล Open Citation Collection ของ NIH ประกอบด้วยลิงก์การอ้างอิงมากกว่า 420 ล้านลิงก์และกำลังเพิ่มขึ้นเรื่อยๆ อัลกอริทึมของทีม Santangelo จะนำเสนอค่า APT สำหรับการอ้างอิงเหล่านี้เมื่อเปิดตัว iCite 2.0 ในอนาคต
ฐานข้อมูลจำนวนมากมีข้อจำกัดและเหมาะสม และจากข้อมูลของ Santangelo อุปสรรคเหล่านี้ขัดขวางการวิจัยร่วมกัน ซานตาแองเจโลให้ความเห็นว่าไม่มีเหตุผลที่ยอดเยี่ยมสำหรับการเก็บข้อมูลไว้หลังเพย์วอลล์ และเนื่องจากอัลกอริทึมของพวกเขาควรจะให้ผู้อื่นเห็นค่า APT ที่คำนวณได้ จึงไม่มีประโยชน์ที่จะใช้แหล่งข้อมูลที่เป็นกรรมสิทธิ์
