>>>-09-16 09:31:59 研究人员说人工智能和机器学习可以增强科学同行评审
随着COVID-19大流行风潮席卷全球，研究人员每周发表数百篇论文，报告其发现-其中许多尚未经过全面的同行评审过程以评估其可靠性。
在某些情况下，未经充分验证的研究对公共政策产生了巨大影响，例如当法国团队报告使用羟氯喹和阿奇霉素联合治疗COVID患者时。该说法得到了广泛的宣传，不久之后，美国患者在紧急使用授权下被处方使用这些药物。但是，涉及更多患者的进一步研究对这些要求提出了严重的怀疑。
每周都会发布大量与COVID相关的信息，研究人员，临床医生和政策制定者该如何跟上?
在本周发表于《自然生物技术》上的评论中，新墨西哥大学的科学家Tudor Oprea博士及其同事(其中许多人在人工智能(AI)公司工作)证明了AI和机器学习具有帮助研究人员从谷壳中分离出小麦的潜力。
医学和制药科学教授兼联南大学翻译信息学部主任Oprea指出，迫切需要开发疫苗并设计的有效治疗方法，这促使许多科学家通过出版 预印本 来绕过传统的同行评审过程。 -他们工作的初步版本-在线。
尽管这可以迅速传播新发现，但 问题出在预印本领域出现某些未经实验验证的药物的说法时 。除其他外，不良信息可能会导致科学家和临床医生浪费时间和金钱追逐盲目线索。
AI和机器学习可以利用巨大的计算能力，以检查许多是在被提出的要求的研究报告中，建议作者，一组公共和私营部门的来自美国，瑞典，丹麦，以色列，法国的研究人员，在英国，香港，意大利和中国，由生物技术创新组织主席Jeremy Levin和InSilico Medicine CEO Alex Zhavoronkov领导。
我认为那里有巨大的潜力， Oprea说。 我认为我们正处于开发工具的风口浪尖，它将有助于同行评审过程。
尽管这些工具尚未完全开发，但他说： 我们正在真正地，非常接近地使自动化系统能够消化大量出版物并寻找差异。 我不知道目前是否有任何这样的系统，但是我们建议有足够的资金可以使用该系统。
Oprea说，文本挖掘已经 非常有用 ，其中计算机梳理数百万页的文本以查找指定的模式。 我们正在这方面取得进展。
自从COVID流行病爆发以来，Oprea自己就使用先进的计算方法来帮助鉴定具有潜在抗病毒活性的现有药物，这些药物是从成千上万的候选药物库中剔除的。
他说： 我们并不是说可以解决同行评议不足的问题，而是可以解决的，我们可以改善当前实施该系统的方式。 明年，我们也许就能够处理大量这些数据，并作为支持同行评审过程的额外资源。
如果觉得《研究人员说人工智能和机器学习可以增强科学同行评审》对你有帮助，请点赞、收藏，并留下你的观点哦！
