机器学习可以加强科学同行评议

Tudor Oprea，医学和药学教授，新墨西哥大学翻译信息学部门主任。

资料来源:新墨西哥大学

随着新型冠状病毒肺炎大流行席卷全球，研究人员每周发表数百篇论文报告他们的发现——其中许多论文没有经过彻底的同行审查程序来衡量其可靠性。

在某些情况下，验证不足的研究极大地影响了公共政策，比如一个法国团队报告称，羟氯喹和阿奇霉素联合使用治愈了COVID患者。这一说法被广泛宣传，很快，美国的病人在紧急使用授权下得到了这些药物的处方。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。

在每周发布这么多与covid有关的信息的情况下，研究人员、临床医生和政策制定者如何跟上?在发表于自然生物技术新墨西哥大学的科学家Tudor Oprea医学博士和他的同事，其中许多人在人工智能公司，证明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精华。

奥普里亚，医学和药学教授，新墨西哥大学翻译信息学部门主任，他指出，开发疫苗和设计有效的冠状病毒治疗方法的紧迫感，使得许多科学家绕过传统的同行评议程序，在网上发布了他们工作的“预印本”——初步版本。

尽管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。此外，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去追逐盲目的线索。

人工智能和机器学习可以利用大规模计算能力检查的许多声称在一篇研究论文,作者建议,一组公共和私营部门的研究人员来自美国、瑞典、丹麦、以色列、法国、英国、香港、意大利和中国领导的杰里米•莱文生物技术创新组织主席，以及insilicon医药公司首席执行官Alex Zhavoronkov。

“我认为那里有巨大的潜力，”Oprea说。“我认为我们正处在开发工具的最前沿，这将有助于同行评审过程。”

虽然这些工具还没有完全开发出来，但“我们已经非常、非常接近于使自动化系统能够消化大量的出版物并找出差异，”他说。“我不知道目前有任何这样的系统，但我们建议，只要有足够的资金，就可以实现。”

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

自COVID流行以来，Oprea自己使用先进的计算方法，从数千种候选药物中挑选出具有潜在抗病毒活性的现有药物。他说:“我们并不是说我们已经找到了解决同行评议缺陷的方法，而是说这种方法是触手可及的，我们可以改进目前系统的实施方式。”“明年，我们可能就能处理大量这些数据，并作为支持同行评审过程的额外资源。”