MADRID, 5 May. (EUROPA PRESS) -
Los investigadores de la Universidad Northwestern están utilizando inteligencia artificial (IA) para acelerar la búsqueda de tratamientos y vacunas contra el covid-19. La herramienta permite priorizar los recursos para los estudios más prometedores e ignorar la investigación que es poco probable que produzca beneficios, según publican en la revista 'PNAS'.
En medio de la pandemia, la investigación científica se está llevando a cabo a un ritmo sin precedentes. La Administración de Alimentos y Medicamentos y el Departamento de Salud y Servicios Humanos de Estados Unidos (FDA) ha anunciado planes para acelerar los ensayos clínicos, y cientos de científicos están investigando posibles tratamientos y vacunas.
Pero la pregunta sigue siendo qué investigación tiene el mayor potencial para producir soluciones reales y muy necesarias.
La comunidad científica ha estado prediciendo la respuesta a tales preguntas durante décadas utilizando el programa de Sistematización de la Confianza en la Investigación Abierta y la Evidencia (DARPA SCORE), de la Agencia de Proyectos de Investigación Avanzada de Defensa. El programa se basa en expertos científicos para revisar y calificar los estudios de investigación presentados en función de la probabilidad de que sean replicables. De media, este proceso lleva unos 314 días, una larga espera en medio de una pandemia mundial.
Los investigadores aseguran que el modelo de la nueva máquina es tan preciso como el sistema de puntuación humano para hacer tales predicciones, y puede ampliarse para revisar una mayor cantidad de documentos en una fracción del tiempo, minutos en lugar de meses.
"El proceso estándar es demasiado costoso, tanto financieramente como en términos de costos de oportunidad --recuerda Brian Uzzi, de Northwestern, quien dirigió el estudio--. Primero, lleva demasiado tiempo pasar a la segunda fase de pruebas y, en segundo lugar, cuando los expertos dedican su tiempo a revisar el trabajo de otras personas, significa que no están en el laboratorio realizando su propia investigación".
Con su nueva herramienta de IA, Uzzi y su equipo en la Kellogg School of Management evitan el método de calificación humana, lo que permite a la comunidad investigadora y a los responsables políticos tomar decisiones más rápidas sobre cómo priorizar el tiempo y la financiación de los estudios que tienen más probabilidades de éxito.
"En medio de una crisis de salud pública, es esencial que centremos nuestros esfuerzos en la investigación más prometedora", dijo Uzzi, profesor de liderazgo de Richard L. Thomas en Kellogg y codirector del Instituto Noroeste de Sistemas Complejos. "Esto es importante no solo para salvar vidas, sino también para reprimir rápidamente la información errónea que resulta de una investigación mal realizada".
El equipo de investigadores de Northwestern desarrolló un algoritmo para predecir qué resultados de los estudios tienen más probabilidades de ser replicables. La replicación, lo que significa que los resultados del estudio pueden producirse por segunda vez con una nueva población de prueba, es una señal clave de que las conclusiones del estudio son válidas.
Según los investigadores, la predicción del modelo de máquina de la probabilidad de replicabilidad en realidad puede ser más precisa que la predicción tradicional de puntuación humana, porque considera más la narrativa del estudio, mientras que los revisores expertos tienden a centrarse en la fuerza de las estadísticas relacionales en un papel.
"Hay mucha información valiosa sobre cómo los autores del estudio explican sus resultados --apunta Uzzi--. Las palabras que usan revelan su propia confianza en sus hallazgos, pero es difícil para el humano promedio detectar eso".
Debido a que el algoritmo examina las palabras de miles de artículos, reconoce los patrones de elección de palabras que podrían estar ocultos a la conciencia humana. Tiene un esquema mucho más grande para aprovechar sus predicciones, lo que lo convierte en un socio extraordinario para los revisores humanos, asegura Uzzi.
El modelo de los investigadores se puede utilizar de inmediato para analizar trabajos de investigación relacionados con el covid y determinar rápidamente cuáles son los más prometedores.
"Esta herramienta es particularmente útil en esta situación de crisis en la que no podemos actuar lo suficientemente rápido --asegura Uzzi--. Puede darnos una estimación precisa de lo que funcionará y no funcionará muy rápidamente. Estamos detrás de la pelota, y esto puede ayudarnos a ponernos al día".
Utilizado por sí solo, el modelo tiene una precisión comparable al método DARPA SCORE. En conjunto, el enfoque combinado humano-máquina predice qué hallazgos serán replicables con una precisión aún mayor que cualquiera de los métodos por sí solo, aseguran los investigadores.
"Esta herramienta nos ayudará a llevar a cabo los negocios de la ciencia con mayor precisión y eficiencia --destaca Uzzi--."Ahora más que nunca, es esencial que la comunidad de investigación opere de manera eficiente, enfocándose solo en aquellos estudios que son realmente prometedores".
