研究人员表示,人工智能和机器学习可以加强科学的同行评审
随着COVID-19大流行席卷全球,研究人员每周发表数百篇论文报告他们的发现,其中许多没有经过彻底的同行评审过程来评估其可靠性。
在某些情况下,缺乏验证的研究产生了巨大影响公共政策正如一个法国小组报告的那样,新冠肺炎患者被羟基氯喹和阿奇霉素联合治疗。这种说法被广泛宣传,很快美国患者就在紧急使用授权下被开了这些药物。然而,涉及更多患者的进一步研究对这些说法提出了严重质疑。
每周发布这么多与新冠病毒相关的信息,研究人员、临床医生和决策者如何才能跟上呢?
在本周发表的一篇评论中自然生物技术新墨西哥大学的科学家都铎·奥普里亚(Tudor Oprea)医学博士和他的同事,他们中的许多人在人工智能(人工智能)公司,证明人工智能和机器学习有可能帮助研究人员将小麦从谷壳中分离出来。
Oprea是医学和药学教授,也是新墨西哥大学转化信息学部主任,注意到,开发疫苗和设计有效的冠状病毒治疗方法的紧迫感导致许多科学家绕过传统的同行评审过程,在网上发布他们工作的“预印本”——初步版本。
虽然这使得新发现能够迅速传播,但“当某些尚未经过实验验证的药物的声明出现在预印本世界时,问题就来了,”Oprea说。除此之外,错误的信息可能会导致科学家和临床医生浪费时间和金钱追逐盲目的线索。
人工智能和机器学习可以利用巨大的计算能力来验证许多正在进行的断言研究论文由生物技术创新组织主席Jeremy Levin和insilicon Medicine首席执行官Alex Zhavoronkov领导的一组来自美国、瑞典、丹麦、以色列、法国、英国、香港、意大利和中国的公共和私营部门的研究人员提出了这一建议。
“我认为那里有巨大的潜力,”Oprea说。“我认为,我们正处于开发工具的前沿,这些工具将有助于同行评审过程。”
虽然工具没有完全开发,但我们真的非常接近实现自动化系统来挖掘吨出版物并寻找差异,“他说。“我不知道目前到位的任何这样的系统,但我们建议充分资金可以获得。”
Oprea说,文本挖掘,即计算机梳理数百万页的文本以寻找特定的模式,已经“非常有用”。“我们正在这方面取得进展。”
自从新冠肺炎流行以来,Oprea自己就使用先进的计算方法来帮助识别现有的具有潜在抗病毒活性的药物,这些药物是从数千种候选药物库里挑选出来的。
他说:“我们并不是说我们已经找到了治愈同行评审缺陷的方法,但我们要说的是,治愈是可以实现的,而且我们可以改进目前实施该系统的方式。”“最快在明年,我们就可以处理大量这些数据,并作为额外的资源来支持同行评审过程。”
进一步探索
用户评论