Mirare alla precisione
I ricercatori affermano che l'intelligenza artificiale e l'apprendimento automatico potrebbero migliorare la revisione scientifica tra pari
Mentre la pandemia di COVID-19 ha spazzato il mondo, i ricercatori hanno pubblicato centinaia di articoli ogni settimana che riportano i loro risultati, molti dei quali non sono stati sottoposti a un approfondito processo di revisione tra pari per valutarne l'affidabilità.
In alcuni casi, la ricerca scarsamente convalidata ha influenzato in modo massiccio la politica pubblica, come quando un team francese ha riferito che i pazienti COVID sono stati curati con una combinazione di idrossiclorochina e azitromicina. L'affermazione è stata ampiamente pubblicizzata e presto ai pazienti statunitensi sono stati prescritti questi farmaci con un'autorizzazione all'uso di emergenza. Tuttavia, ulteriori ricerche che coinvolgono un numero maggiore di pazienti hanno sollevato seri dubbi su queste affermazioni.
Con così tante informazioni relative al COVID pubblicate ogni settimana, come possono i ricercatori, i medici e i responsabili delle politiche tenere il passo?
In un commento pubblicato questa settimana in Nature Biotechnology, lo scienziato dell'Università del New Mexico Tudor Oprea, MD, PhD, e i suoi colleghi, molti dei quali lavorano in aziende di intelligenza artificiale (AI), sostengono che l'intelligenza artificiale e l'apprendimento automatico hanno il potenziale per aiutare i ricercatori a separare il grano dalla pula.
Oprea, professore di medicina e scienze farmaceutiche e capo della divisione di informatica traslazionale dell'UNM, osserva che il senso di urgenza di sviluppare un vaccino e ideare trattamenti efficaci per il coronavirus ha portato molti scienziati a bypassare il tradizionale processo di revisione tra pari pubblicando "preprint ” – versioni preliminari del loro lavoro – online.
Sebbene ciò consenta una rapida diffusione di nuove scoperte, "Il problema si presenta quando nel mondo della prestampa compaiono affermazioni su determinati farmaci che non sono stati convalidati sperimentalmente", afferma Oprea. Tra le altre cose, una cattiva informazione può portare scienziati e medici a sprecare tempo e denaro a caccia di indizi ciechi.
L'intelligenza artificiale e l'apprendimento automatico possono sfruttare un'enorme potenza di calcolo per verificare molte delle affermazioni che vengono fatte in un documento di ricerca, suggeriscono gli autori, un gruppo di ricercatori del settore pubblico e privato provenienti da Stati Uniti, Svezia, Danimarca, Israele, Francia, Regno Unito, Hong Kong, Italia e Cina guidati da Jeremy Levin, presidente della Biotechnology Innovation Organization, e Alex Zhavoronkov, CEO di InSilico Medicine.
"Penso che ci sia un enorme potenziale lì", dice Oprea. "Penso che siamo sul punto di sviluppare strumenti che aiuteranno nel processo di revisione tra pari".
Sebbene gli strumenti non siano completamente sviluppati, "Ci stiamo avvicinando molto a consentire ai sistemi automatizzati di digerire tonnellate di pubblicazioni e cercare discrepanze", afferma. "Non sono a conoscenza di alcun sistema del genere attualmente in vigore, ma suggeriamo che con finanziamenti adeguati questo possa diventare disponibile".
Il text mining, in cui un computer esamina milioni di pagine di testo alla ricerca di modelli specifici, è già stato "estremamente utile", afferma Oprea. "Stiamo facendo progressi in questo."
Da quando l'epidemia di COVID ha preso piede, lo stesso Oprea ha utilizzato metodi computazionali avanzati per aiutare a identificare i farmaci esistenti con potenziale attività antivirale, selezionati da una libreria di migliaia di candidati.
"Non stiamo dicendo che abbiamo una cura per la mancanza di revisione tra pari, ma stiamo dicendo che una cura è a portata di mano e possiamo migliorare il modo in cui il sistema è attualmente implementato", afferma. "Già il prossimo anno potremmo essere in grado di elaborare molti di questi dati e fungere da risorse aggiuntive per supportare il processo di revisione tra pari".