Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El AI y las herramientas del aprendizaje de máquina pueden ayudar a reclamaciones COVID-relacionadas separadas

Pues el pandémico COVID-19 ha barrido el mundo, los investigadores han publicado centenares de papeles cada semana que denunciaba sus conclusión - muchas cuyo no han experimentado un proceso completo de la revisión paritaria para calibrar su confiabilidad.

En algunos casos, la investigación mal validada ha influenciado masivo el orden público, como cuando las personas francesas denunciaron que los pacientes de COVID fueron curados por una combinación de hydroxychloroquine y del azithromycin.

La reclamación fue publicada extensamente, y pronto los pacientes de los E.E.U.U. han prescrito estas drogas bajo autorización del uso de la emergencia. La investigación adicional que implicaba números más grandes de pacientes ha echado dudas serias en estas reclamaciones, sin embargo.

¿Con tanto la información COVID-relacionada que es liberada cada semana, cómo pueden los investigadores, los clínicos y los responsables políticos continuar?

En un comentario publicado esta semana en biotecnología de la naturaleza, la universidad del científico Tudor Oprea de New México, el Doctor en Medicina, el doctorado, y sus colegas, muchos de los cuales trabajan en las compañías de la inteligencia (AI) artificial, hacen el caso que el AI y el aprendizaje de máquina tienen el potencial de ayudar a investigadores separan el trigo de la cinta metálica antirradar.

Oprea, profesor de medicina y ciencias farmacéuticas y jefe de la división de UNM de informática de translación, observa que la sensación de urgencia de desarrollar una vacuna y un legado que los tratamientos efectivos para el coronavirus han llevado a muchos científicos a sobrepasar el proceso tradicional de la revisión paritaria publicando “imprime” - las versiones preliminares de su trabajo - en línea.

Mientras que eso habilita la difusión rápida de nuevas conclusión, “el problema viene cuando las reclamaciones sobre ciertas drogas que no se han validado experimental aparecen en el mundo de la prueba preliminar,” Oprea dice. Entre otras cosas, la información mala puede llevar científicos y a clínicos a perder el tiempo y el dinero que abren una ranura en los guías de las persianas.

El AI y el aprendizaje de máquina pueden aprovechar poder de computación masivo de verificar muchas de las reclamaciones que se están haciendo en un trabajo de investigación, el sugerir los autores, grupo de investigadores del público y del sector privado de los E.E.U.U., de Suecia, de Dinamarca, de Israel, de Francia, del Reino Unido, de Hong Kong, de Italia y de China llevados por Jeremy Levin, silla de la organización de la innovación de la biotecnología, y Alex Zhavoronkov, CEO del remedio de InSilico.

Pienso que hay enorme potencial allí. Pienso que estamos en el cambio de signo de herramientas que se convierten que ayuden con el proceso de la revisión paritaria.”

Tudor Oprea, Doctor en Medicina, doctorado, científico, universidad de New México

Aunque las herramientas no sean completamente desarrolladas, “estamos consiguiendo realmente, realmente cerca de permitir a sistemas automatizados digerir toneladas de publicaciones y buscar discrepancias,” él dice. “No soy consciente de tal sistema que sea actualmente en el lugar, pero estamos sugiriendo con el financiamiento adecuado que éste puede estar disponible.”

La explotación minera del texto, en la cual una computador se peina con millones de paginaciones de texto que buscan configuraciones especificadas, ha sido ya “enormemente útil,” Oprea dice. “Estamos haciendo progreso en eso.”

Desde que la epidemia de COVID se arraigó, Oprea mismo ha utilizado métodos de cómputo avanzados para ayudar a determinar las drogas existentes con la actividad antivirus potencial, seleccionada de una biblioteca de millares de candidatos.

“Somos no diciendo nosotros tenemos una vulcanización para la deficiencia de la revisión paritaria, pero estamos diciendo eso que una vulcanización está dentro de alcance, y podemos perfeccionar la manera que el sistema se ejecuta actualmente,” él dice. “Tan pronto como el próximo año podemos poder tramitar muchos estos datos y servir como recursos adicionales soportar el proceso de la revisión paritaria.”

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.