追求准确性

研究人员表示人工智能和机器学习可以增强科学同行评审

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衡量其可靠性。

在某些情况下，未经验证的研究极大地影响了公共政策，例如一个法国团队报告称，通过羟氯喹和阿奇霉素的组合治愈了 COVID 患者。 该声明被广泛宣传，很快美国患者在紧急使用授权下开具了这些药物。 然而，涉及更多患者的进一步研究对这些说法提出了严重怀疑。

每周都会发布这么多与 COVID 相关的信息，研究人员、临床医生和政策制定者如何跟上？ 

在本周发表的评论中 自然·生物技术“, 新墨西哥大学科学家 Tudor Oprea 医学博士和他的同事，其中许多人在人工智能 (AI) 公司工作，他们认为人工智能和机器学习有潜力帮助研究人员从谷壳中分离出小麦。

医学和制药科学教授兼 UNM 转化信息学部主任 Oprea 指出，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通过发表“预印本”来绕过传统的同行评审过程。 ”——他们作品的初步版本——在线。

虽然这使得新发现的快速传播成为可能，但“当关于某些未经实验验证的药物的声明出现在预印本领域时，问题就出现了，”Oprea 说。 除其他外，不良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。

作者是一群来自美国、瑞典、丹麦、以色列、法国、英国、香港、意大利和中国由生物技术创新组织主席 Jeremy Levin 和 InSilico Medicine 首席执行官 Alex Zhavoronkov 领导。

“我认为那里有巨大的潜力，”Oprea 说。 “我认为我们正处于开发有助于同行评审过程的工具的风口浪尖。”

尽管这些工具还没有完全开发，“我们已经非常非常接近启用自动化系统来消化大量出版物并寻找差异，”他说。 “我不知道目前有任何此类系统，但我们建议如果有足够的资金，就可以使用。”

Oprea 说，文本挖掘，其中计算机梳理数百万页文本以寻找特定模式，已经“非常有帮助”。 “我们正在这方面取得进展。”

自从 COVID 流行以来，Oprea 本人已经使用先进的计算方法来帮助识别具有潜在抗病毒活性的现有药物，这些药物是从数千个候选药物库中挑选出来的。

“我们并不是说我们有解决同行评审缺陷的方法，但我们是说治愈是触手可及的，我们可以改进系统目前的实施方式，”他说。 “最快明年我们就可以处理大量这些数据，并作为支持同行评审过程的额外资源。”