COVID-19: Ferramenta de IA acelera o processo de revisão científica Icone de Excluir

Uma ferramenta de aprendizado de máquina que possa avaliar a credibilidade da pesquisa poderia encurtar o período de revisão para estudos científicos e, potencialmente, ajudar a identificar as pesquisas mais promissoras sobre COVID-19.

Avaliar o mérito de artigos científicos pode ser uma tarefa desafiadora, mesmo para especialistas. O processo de revisão por pares pode ser longo e muitas vezes subjetivo.

A existência de estudos publicados que os pesquisadores têm sido incapazes de replicar também levantou preocupações sobre o processo de revisão.

Uma pesquisa descobriu que mais de 70% dos pesquisadores não conseguiram reproduzir experimentos de outro cientista, com mais da metade não reproduzirem os seus próprios resultados de investigação. Alguns até descreveram esta questão como uma crise.

Mantenha-se informado com atualizações ao vivo sobre o atual surto de COVID-19 e visite nosso centro de coronavírus para obter mais conselhos sobre prevenção e tratamento.

Sem um método consistente para detectar quais artigos são reprodutíveis e quais não são, muitos destes continuam a circular pela literatura científica.

Para ajudar os cientistas a determinar qual pesquisa é a mais promissora, uma equipe da Kellogg School of Management da Northwestern University em Evanston, IL, desenvolveu uma ferramenta de aprendizado de máquina que tira a opinião do processo e encurta exponencialmente o período de revisão.

Os detalhes da característica do modelo no PNAS.

Explicando os limites da revisão por pares, o Prof. Brian Uzzi, que liderou este estudo, diz: “O processo padrão é muito caro, tanto financeiramente quanto em termos de custos de oportunidade. Primeiro, leva muito tempo para passar para a segunda fase do teste, e segundo, quando os especialistas estão gastando seu tempo revisando o trabalho de outras pessoas, isso significa que eles não estão no laboratório realizando suas próprias pesquisas. ”

Uzzi e sua equipe desenvolveram uma forma de inteligência artificial (AI) para ajudar a comunidade científica a tomar decisões mais rápidas sobre quais estudos são mais propensos a produzir benefícios.

Um dos testes mais importantes da qualidade de um estudo é a sua reprodutibilidade — se outros cientistas replicam os achados que ele relata quando realizam os mesmos experimentos. O algoritmo que Uzzi e sua equipe produziram prevê esse fator.

O modelo, que combina a entrada humana real com a inteligência da máquina, faz essa previsão analisando as palavras que os artigos científicos usam e reconhecendo padrões que indicam que os achados têm valor.

“Há muitas informações valiosas sobre como os autores do estudo explicam seus resultados”, explica Uzzi. “As palavras que usam revelam sua própria confiança em suas descobertas, mas é difícil para o humano comum detectar isso. ”

O modelo pode pegar em padrões de escolha de palavras que podem ser escondidos para um revisor humano, que em vez disso pode se concentrar na força das estatísticas em um papel, dizem os desenvolvedores. Há também o risco de que os revisores possam ser tendenciosos em relação ao tópico ou à revista que publicou o artigo, ou que palavras persuasivas, como “notável”, possam influenciá-los.

Os pesquisadores primeiro treinaram o modelo usando um conjunto de estudos que eram conhecidos por serem reprodutíveis e um conjunto daqueles conhecidos por não serem. Eles então testaram o modelo em um grupo de estudos que ele nunca tinha visto antes.

Eles compararam a produção com a da Defense Advanced Research Projects Agency Systematizing Confidence in Open Research and Evidence ( DARPA SCORE), que conta com especialistas no assunto para revisar e avaliar estudos científicos. No entanto, em média, o processo leva a melhor parte de um ano para ser concluído.

Quando a equipe usou o modelo por conta própria, sua precisão foi semelhante à do DARPA SCORE, mas foi muito mais rápido, demorando minutos em vez de meses.

Em combinação com o DARPA SCORE, ele previu quais achados seriam replicáveis com precisão ainda maior do que qualquer um dos métodos isolados. É provável que os cientistas o utilizem desta forma, na realidade, para complementar as avaliações humanas.

“ Essa ferramenta nos ajudará a conduzir o negócio da ciência com maior precisão e eficiência”, diz Uzzi. “Agora, mais do que nunca, é essencial que a comunidade de pesquisa opere de forma enxuta, concentrando-se apenas nos estudos que possuem uma promessa real.

A equipe diz que a implantação do modelo pode ser imediata, para que possa analisar a jangada de pesquisa relacionada ao Covid-19 que está atualmente emergindo.

“Em meio a uma crise de saúde pública, é essencial que concentremos nossos esforços na pesquisa mais promissora”, diz o Prof. Uzzi. “Isso é importante não só para salvar vidas, mas também para reduzir rapidamente a desinformação que resulta de pesquisas mal conduzidas. ”

A pesquisa está ocorrendo em um ritmo sem precedentes, e os formuladores de políticas em todo o mundo estão planejando acelerar os ensaios clínicos para encontrar um tratamento ou vacina para a doença. Os pesquisadores da Northwestern dizem que sua ferramenta poderia ajudar os formuladores de políticas priorizar os estudos mais promissores ao alocar recursos.

“ Esta ferramenta é particularmente útil nesta situação de crise em que não podemos agir rápido o suficiente. Pode nos dar uma estimativa precisa do que vai funcionar e não funcionar muito rapidamente. Estamos atrás da bola, e isso pode nos ajudar a recuperar o atraso”, conclui Uzzi.

Para atualizações ao vivo sobre os últimos desenvolvimentos sobre o novo coronavírus e COVID-19, clique aqui.