亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊精準醫療精準醫療人工智能、老藥新用與同行評審

人工智能、老藥新用與同行評審

來源 : 亞洲健康互聯海外中心
update : 2020/09/16

隨著COVID-19大流行病席捲全球,研究人員每週發表數百篇論文報告其發現,然而其中許多未經過全面的同行評審過程,以評估其可靠性。根據最近的一項分析,每周平均發表367COVID-19論文,從提交到接受的平均時間僅為6天,而非COVID-19內容的論文則為84天。

在新資訊可能會加速新出現的全球醫學
-社會-經濟災難的知識和解決方案的背景下,這些前所未有的同行評審周轉時間(有時甚至是寬鬆的編輯標準)是合理的,但同時也可能會誤導研發工作、損害臨床實踐並誤導決策者。

914日發表於《自然生物技術》上的評論中,來自美國、瑞典、丹麥、以色列、法國、英國、香港、義大利和美國的一些公私營部門研究人員提出了一種策略,該策略結合嚴格的社群和同行評審與人工智能的使用,以優先考慮文獻中描述的研究和治療選擇,從而使社群能夠將資源集中在經過適當而徹底的臨床測試的治療上。該策略證明了AI和機器學習,有潛力幫助研究人員區分良莠,以彌補在資訊氾濫的情況下,傳統的計算分析和機器學習對藥物用途論文進行的同行評審不足。

評論舉例提到,當法國團隊報告使用羥氯喹和阿奇黴素聯合治療COVID患者時,該說法得到了廣泛的宣傳,不久之後,美國患者在緊急使用授權下被處方使用這些藥物。但是,涉及更多患者的進一步研究,卻對這些要求提出了嚴重的懷疑。

新墨西哥大學醫學和製藥科學教授Tudor Oprea說:「我認為我們正處於開發工具的風口浪尖,它將有助於同行評審過程。」

儘管這些工具尚未完全開發,但他說:「我們正在真正地、非常接近地使自動化系統,來消化大量出版物並尋找差異。」

Oprea表示,文本挖掘已經非常有用,且已在電腦梳理數百萬頁的文本,以查找指定模式方面取得進展。

自從COVID流行病爆發以來,Oprea自己就使用先進的計算方法,來幫助鑑定具有潛在抗病毒活性的現有藥物,這些藥物是從成千上萬的候選藥物庫中剔除的。

他說:「我們並不是說可以解決同行評審不足的問題,而是可以改善目前實施該系統的方式。明年,我們也許就能夠處理大量這些數據,並作為支持同行評審過程的額外資源。」

COVID-19大流行強調了需要新的工具來補充現有的同行評審機制,以確保發布的生物醫學資訊的準確性和可靠性,以指導臨床實踐並制定公共衛生政策。

研究還表明,研究團體能夠在短時間內生成大量的異構數據,這些資訊的規模和速度可能會混淆人類的解釋。在這種情況下,研究團隊認為人工智能/ 機器學習在支持數據以補充同行評審論文方面,有著至關重要的作用。

作者群們呼籲使用臨床前和臨床數據的全面、可解釋的AI / ML系統,進行快速開發和前瞻性驗證,以快速預測臨床試驗結果。