Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O AI e as ferramentas da aprendizagem de máquina podem ajudar reivindicações COVID-relacionadas separadas

Porque a pandemia COVID-19 varreu o mundo, os pesquisadores publicaram centenas de papéis cada semana que relata seus resultados - muitos de que não se submeteram a um processo completo da revisão paritária para calibrar sua confiança.

Em alguns casos, a pesquisa deficientemente validada influenciou maciça a política de interesse público, como quando uma equipe francesa relatou que pacientes de COVID estiveram curados por uma combinação do hydroxychloroquine e do azithromycin.

A reivindicação foi publicada extensamente, e logo os pacientes dos E.U. prescreveram estas drogas sob uma autorização do uso da emergência. Uma pesquisa mais adicional que envolve números maiores de pacientes moldou dúvidas sérias nestas reivindicações, contudo.

Com tanto a informação COVID-relacionada que está sendo liberada cada semana, como podem os pesquisadores, os clínicos e os responsáveis políticos prosseguir?

Em um comentário publicado esta semana na biotecnologia da natureza, a universidade do cientista Tudor Oprea de New mexico, a DM, o PhD, e seus colegas, muitos de quem o trabalho em empresas da inteligência (AI) artificial, faz ao caso que o AI e a aprendizagem de máquina têm o potencial ajudar pesquisadores separam o trigo do debulho.

Oprea, professor de medicina e de ciências farmacêuticas e chefe da divisão de UNM da informática Translational, nota que a sensação de urgência desenvolver uma vacina e um legado que os tratamentos eficazes para o coronavirus conduziram muitos cientistas contornear o processo tradicional da revisão paritária publicando “pré-imprime” - versões preliminares de seu trabalho - em linha.

Quando isso permitir a disseminação rápida de resultados novos, “o problema vem quando as reivindicações sobre determinadas drogas que não estiveram validadas experimental aparecem no mundo da pré-impressão,” Oprea diz. Entre outras coisas, a informação ruim pode conduzir cientistas e clínicos desperdiçar o tempo e o dinheiro que perseguem chumbos das cortinas.

O AI e a aprendizagem de máquina podem aproveitar a potência informática maciça verificar muitas das reivindicações que estão sendo feitas em um artigo de investigação, na sugestão os autores, em um grupo de pesquisadores do sector público e provado dos E.U., na Suécia, na Dinamarca, na Israel, no França, no Reino Unido, em Hong Kong, em Itália e em China conduzidos por Jeremy Levin, cadeira da organização da inovação da biotecnologia, e por Alex Zhavoronkov, CEO da medicina de InSilico.

Eu penso que há um potencial tremendo lá. Eu penso que nós estamos no limite de ferramentas se tornando que ajudarão com o processo da revisão paritária.”

Tudor Oprea, DM, PhD, cientista, universidade de New mexico

Embora as ferramentas não sejam plenamente desenvolvidos, “nós estamos aproximando-nos realmente, realmente a possibilidade de sistemas automatizados digerir toneladas de publicações e procurar discrepâncias,” diz. “Eu não estou ciente de um sistema que é actualmente no lugar, mas nós estamos sugerindo com financiamento que adequado este pode se tornar disponível.”

A mineração do texto, em que um computador penteia com milhões de páginas do texto que procuram testes padrões especificados, tem sido já “tremenda útil,” Oprea diz. “Nós estamos fazendo o progresso naquele.”

Desde que a epidemia de COVID tomou a posse, Oprea ele mesmo usou métodos computacionais avançados para ajudar a identificar drogas existentes com a actividade antivirosa potencial, seleccionada de uma biblioteca dos milhares de candidatos.

“Nós somos não dizendo nós temos uma cura para a deficiência da revisão paritária, mas nós estamos dizendo aquele que uma cura está dentro do alcance, e nós podemos melhorar a maneira que o sistema é executado actualmente,” diz. “Assim que no próximo ano nós podemos poder processar muitos estes dados e os servir como recursos adicionais para apoiar o processo da revisão paritária.”

Source:
Journal reference:

Levin, J. M., et al. (2020) Artificial intelligence, drug repurposing and peer review. Nature Biotechnology. doi.org/10.1038/s41587-020-0686-x.