Viser la précision

Des chercheurs affirment que l'intelligence artificielle et l'apprentissage automatique pourraient améliorer l'examen scientifique par les pairs

Alors que la pandémie de COVID-19 a balayé le monde, les chercheurs ont publié chaque semaine des centaines d'articles faisant état de leurs conclusions, dont beaucoup n'ont pas fait l'objet d'un processus d'examen approfondi par les pairs pour évaluer leur fiabilité.

Dans certains cas, des recherches mal validées ont massivement influencé les politiques publiques, comme lorsqu'une équipe française a signalé que des patients COVID étaient guéris par une combinaison d'hydroxychloroquine et d'azithromycine. L'allégation a été largement médiatisée, et bientôt les patients américains se sont vu prescrire ces médicaments en vertu d'une autorisation d'utilisation d'urgence. D'autres recherches impliquant un plus grand nombre de patients ont cependant jeté de sérieux doutes sur ces affirmations.

Avec autant d'informations liées au COVID publiées chaque semaine, comment les chercheurs, les cliniciens et les décideurs peuvent-ils suivre le rythme ? 

Dans un commentaire publié cette semaine dans Nature Biotechnology, Tudor Oprea, scientifique de l'Université du Nouveau-Mexique, MD, PhD, et ses collègues, dont beaucoup travaillent dans des entreprises d'intelligence artificielle (IA), soutiennent que l'IA et l'apprentissage automatique ont le potentiel d'aider les chercheurs à séparer le bon grain de l'ivraie.

Oprea, professeur de médecine et de sciences pharmaceutiques et chef de la division UNM d'informatique translationnelle, note que le sentiment d'urgence de développer un vaccin et de concevoir des traitements efficaces pour le coronavirus a conduit de nombreux scientifiques à contourner le processus traditionnel d'examen par les pairs en publiant des "prépublications". » – versions préliminaires de leur travail – en ligne.

Bien que cela permette une diffusion rapide de nouvelles découvertes, "Le problème survient lorsque des allégations concernant certains médicaments qui n'ont pas été validés expérimentalement apparaissent dans le monde de la préimpression", explique Oprea. Entre autres choses, de mauvaises informations peuvent amener les scientifiques et les cliniciens à perdre du temps et de l'argent à rechercher des pistes aveugles.

L'IA et l'apprentissage automatique peuvent exploiter une puissance de calcul massive pour vérifier bon nombre des affirmations formulées dans un document de recherche, suggèrent les auteurs, un groupe de chercheurs des secteurs public et privé des États-Unis, de Suède, du Danemark, d'Israël, de France, le Royaume-Uni, Hong Kong, l'Italie et la Chine dirigés par Jeremy Levin, président de la Biotechnology Innovation Organization, et Alex Zhavoronkov, PDG d'InSilico Medicine.

"Je pense qu'il y a un potentiel énorme là-bas", déclare Oprea. « Je pense que nous sommes sur le point de développer des outils qui faciliteront le processus d'examen par les pairs. »

Bien que les outils ne soient pas entièrement développés, « nous sommes sur le point de permettre à des systèmes automatisés de digérer des tonnes de publications et de rechercher des écarts », dit-il. "Je ne suis pas au courant d'un tel système actuellement en place, mais nous suggérons qu'avec un financement adéquat, cela puisse devenir disponible."

L'exploration de texte, dans laquelle un ordinateur parcourt des millions de pages de texte à la recherche de modèles spécifiés, a déjà été "extrêmement utile", déclare Oprea. « Nous faisons des progrès dans ce domaine.

Depuis que l'épidémie de COVID s'est installée, Oprea lui-même a utilisé des méthodes de calcul avancées pour aider à identifier les médicaments existants avec une activité antivirale potentielle, sélectionnés à partir d'une bibliothèque de milliers de candidats.

« Nous ne disons pas que nous avons un remède contre le manque d'évaluation par les pairs, mais nous disons qu'un remède est à portée de main et que nous pouvons améliorer la façon dont le système est actuellement mis en œuvre », dit-il. "Dès l'année prochaine, nous pourrons peut-être traiter un grand nombre de ces données et servir de ressources supplémentaires pour soutenir le processus d'examen par les pairs."