Ian Hutchins y sus colegas de la Oficina de Análisis de Cartera OPA, un equipo dirigido por George Santangelo en los Institutos Nacionales, desarrolló un modelo de inteligencia artificial / aprendizaje automático para predecir qué avances científicos probablemente se traducirán en la clínica.of Health NIH. Este trabajo, descrito en un artículo de Meta-Research publicado el 10 de octubre en la revista de acceso abierto PLOS Biología , tiene como objetivo disminuir el intervalo, a veces de décadas, entre el descubrimiento científico y la aplicación clínica; el método determina la probabilidad de que un artículo de investigación sea citado por un ensayo clínico o directriz futuro, un indicador temprano del progreso de la traducción.
Hutchins y sus colegas han cuantificado estas predicciones, que son altamente precisas con tan solo dos años de datos posteriores a la publicación, como una nueva métrica llamada "Potencial aproximado para traducir" APT. Los investigadores pueden tomar los valores APT.Los creadores centran la atención en áreas de la ciencia que tienen firmas firmes de potencial de traducción. Aunque los números por sí solos nunca deberían ser un sustituto de la evaluación por parte de expertos humanos, la métrica APT tiene el potencial de acelerar el progreso biomédico como un componente de la decisión basada en datos.haciendo.
El modelo que calcula los valores de APT hace predicciones basadas en el contenido de los artículos de investigación y los artículos que los citan. Una barrera de larga data para la investigación y el desarrollo de métricas como APT es que tales datos de citas han permanecido ocultos detrás de los propietarios, restrictivos,y, a menudo, costosos acuerdos de licencia. Para interrumpir este impedimento para la comunidad científica, aumentar la transparencia y facilitar la reproducibilidad, OPA ha agregado datos de citas de recursos disponibles públicamente para crear una colección de citas abierta NIH-OCC, cuyos detalles aparecenen un artículo de la página de comunidad en el mismo número de PLOS Biología . El NIH-OCC comprende más de 420 millones de enlaces de citas en la actualidad y se actualizará mensualmente a medida que las citas continúen acumulándose. Para publicaciones desde 2010, el NIH-OCC ya es más completo que las principales fuentes patentadas de datos de citas.
Los datos de citas del NIH-OCC se utilizan para calcular los valores de APT y las Relaciones de citas relativas RCR. Este último, una medida de influencia científica a nivel de artículo, normalizado para el campo de estudio y el tiempo desde la publicación, se desarrollóanteriormente por el equipo de Santangelo en NIH, y ya ha sido ampliamente adoptado tanto en la comunidad científica como en la comunidad evaluadora. Tras la publicación de estos dos artículos, los valores APT y el NIH-OCC estarán disponibles de forma libre y pública como nuevos componentes de la herramienta web iCite quecontinuar como la fuente principal de datos de RCR. El equipo de OPA alienta el uso de iCite para mejorar la evaluación de la investigación y la toma de decisiones que pueden contribuir a optimizar la empresa científica.
Fuente de la historia :
Materiales proporcionados por PLOS . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cita esta página :