Επιστημονικά Νέα

Κορωνοϊός έρευνα: τεχνητή νοημοσύνη και μηχανική μάθηση

Κορωνοϊός έρευνα: τεχνητή νοημοσύνη και μηχανική μάθηση
Your browser does not support the video tag. Κορωνοϊός έρευνα: Καθώς η πανδημία COVID-19 έχει σαρώσει τον κόσμο, οι ερευνητές δημοσιεύουν εκατοντάδες άρθρα κάθε εβδομάδα αναφέροντας τα ευρήματά τους – πολλά από τα οποία δεν έχουν υποβληθεί σε διεξοδική διαδικασία αξιολόγησης από ομότιμους για να εκτιμήσουν την αξιοπιστία τους. Σε ορισμένες περιπτώσεις, η κακώς επικυρωμένη έρευνα […]

Your browser does not support the video tag. https://grx-obj.adman.gr/grx/creatives/sanofi/20876/better-understanding-insulin.mp4

Κορωνοϊός έρευνα: Καθώς η πανδημία COVID-19 έχει σαρώσει τον κόσμο, οι ερευνητές δημοσιεύουν εκατοντάδες άρθρα κάθε εβδομάδα αναφέροντας τα ευρήματά τους – πολλά από τα οποία δεν έχουν υποβληθεί σε διεξοδική διαδικασία αξιολόγησης από ομότιμους για να εκτιμήσουν την αξιοπιστία τους. Σε ορισμένες περιπτώσεις, η κακώς επικυρωμένη έρευνα επηρέασε μαζικά τη δημόσια πολιτική, καθώς όταν μια γαλλική ομάδα ανέφερε ότι οι ασθενείς με COVID θεραπεύτηκαν με συνδυασμό υδροξυχλωροκίνης και αζιθρομυκίνης. Ο ισχυρισμός δημοσιοποιήθηκε ευρέως και σύντομα οι ασθενείς στις ΗΠΑ συνταγογράφησαν αυτά τα φάρμακα με άδεια έκτακτης ανάγκης. Ωστόσο, περαιτέρω έρευνα που περιλαμβάνει μεγαλύτερο αριθμό ασθενών έχει δημιουργήσει σοβαρές αμφιβολίες γι’ αυτούς τους ισχυρισμούς.

Με την κυκλοφορία τόσων πληροφοριών σχετικά με τον κορωνοϊό κάθε εβδομάδα, πώς μπορούν οι ερευνητές, οι κλινικοί γιατροί και οι υπεύθυνοι χάραξης πολιτικής;


Σε ένα σχόλιο που δημοσιεύθηκε αυτήν την εβδομάδα στο Nature Biotechnology, ο επιστήμονας του Πανεπιστημίου του Νέου Μεξικού Tudor Oprea, MD, Ph.D., και οι συνάδελφοί του, πολλοί από τους οποίους εργάζονται σε εταιρείες τεχνητής νοημοσύνης (AI), κάνουν την υπόθεση ότι η AI και η μηχανική μάθηση έχουν τη δυνατότητα να βοηθήσουν τους ερευνητές να διαχωρίσουν τα ουσιώδη από τα επουσιώδη. Ο Oprea, καθηγητής Ιατρικής και Φαρμακευτικών Επιστημών και επικεφαλής της Διεύθυνσης Μεταφραστικής Πληροφορικής του UNM, σημειώνει ότι η αίσθηση του επείγοντος να αναπτυχθεί ένα εμβόλιο και να επινοηθούν αποτελεσματικές θεραπείες για τον κορωνοϊό έχει οδηγήσει πολλούς επιστήμονες να παρακάμψουν την παραδοσιακή διαδικασία αξιολόγησης από ομότιμους δημοσιεύοντας «πρότυπες» – «προκαταρκτικές» εκδόσεις της δουλειάς τους – διαδικτυακά. Ενώ αυτό επιτρέπει την ταχεία διάδοση νέων ευρημάτων, “Το πρόβλημα έρχεται όταν ισχυρισμοί σχετικά με ορισμένα φάρμακα που δεν έχουν επικυρωθεί πειραματικά εμφανίζονται στον κόσμο της εκτύπωσης”, λέει η Oprea. Μεταξύ άλλων, οι κακές πληροφορίες μπορεί να οδηγήσουν τους επιστήμονες και τους ιατρούς να σπαταλήσουν χρόνο και χρήμα κυνηγώντας τυφλούς οδηγούς.

Η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορούν να αξιοποιήσουν τεράστια υπολογιστική δύναμη για να ελέγξουν πολλούς από τους ισχυρισμούς που διατυπώνονται σε ένα ερευνητικό έγγραφο , σύμφωνα με τους συγγραφείς, μια ομάδα ερευνητών δημόσιου και ιδιωτικού τομέα από τις ΗΠΑ, τη Σουηδία, τη Δανία, το Ισραήλ, τη Γαλλία, το Ηνωμένο Βασίλειο, το Χονγκ Κονγκ, την Ιταλία και την Κίνα με επικεφαλής τον Jeremy Levin, πρόεδρο του Οργανισμού Καινοτομίας Βιοτεχνολογίας, και τον Alex Zhavoronkov, Διευθύνων Σύμβουλο της InSilico Medicine.

“Νομίζω ότι υπάρχει τεράστιο δυναμικό εκεί”, λέει η Oprea. “Νομίζω ότι βρισκόμαστε στην κορυφή της ανάπτυξης εργαλείων που θα βοηθήσουν στη διαδικασία αξιολόγησης από ομότιμους”. Παρόλο που τα εργαλεία δεν είναι πλήρως ανεπτυγμένα, “Πλησιάζουμε, πολύ κοντά στο να επιτρέψουμε στα αυτοματοποιημένα συστήματα να αφομοιώσουν τόνους δημοσιεύσεων και να αναζητήσουν αποκλίσεις”, λέει. “Δεν γνωρίζω κανένα τέτοιο σύστημα που υπάρχει επί του παρόντος, αλλά προτείνουμε με επαρκή χρηματοδότηση αυτό να είναι διαθέσιμο”.