Nous devons aussi souvent choisir entre la vitesse et la précision. Nous sommes confrontés à ce choix maintenant, en ce qui concerne la recherche sur le COVID-19. Nous sommes au milieu d'une pandémie mortelle et les scientifiques veulent diffuser rapidement leurs données. Souvent, ils mettent leurs données à disposition sous forme de pré-impression en ligne, avant l'examen par les pairs. Trouver cet équilibre est également délicat.

À bien des égards, toute l'entreprise scientifique devient trop complexe pour être gérée de manière optimale. Aucun individu ne peut avoir toute l'expertise nécessaire pour tout faire, et les systèmes actuellement en place ont leurs propres motivations et limites. Il existe de nombreuses façons concrètes d'améliorer le système, mais les progrès sont lents – peut-être plus lents que la vitesse à laquelle les problèmes progressent.

Dans un commentaire récent de Nature Biotechnology, Levin et al proposent que l'intelligence artificielle (IA) puisse être exploitée pour résoudre le problème. Ils se concentrent sur certains des problèmes récents de la recherche sur le COVID-19, tels que les résultats positifs préliminaires pour l'hydroxychloroquine. Ils écrivent:

Ici, nous proposons une stratégie par laquelle un examen rigoureux par la communauté et les pairs est couplé à l'utilisation de l'intelligence artificielle pour prioriser la recherche et les alternatives thérapeutiques décrites dans la littérature, permettant à la communauté de concentrer les ressources sur les traitements qui ont subi des tests cliniques approfondis.

Mais l'idée, je pense, a du mérite en dehors du contexte du COVID-19. En fait, je dirais que l'IA est un outil puissant qui peut être utilisé pour améliorer de nombreux systèmes et institutions qui dirigent notre civilisation de plus en plus complexe. Les logiciels d'IA deviennent de plus en plus puissants. Maintenant, ne pensez pas aux robots sensibles – lorsque nous parlons de l'IA, nous entendons un logiciel capable d'apprendre et de s'adapter, et non un logiciel conscient de lui-même. C'est la technologie qui permet des voitures autonomes, des ordinateurs capables de mieux maîtriser les échecs et des systèmes capables de se frayer un chemin à travers des tonnes de données à la recherche de modèles. Réfléchissez à la manière dont ces outils peuvent être appliqués à chacun des problèmes que j'ai décrits ci-dessus.

Les systèmes d'IA pourraient, par exemple, effectuer un premier passage sur le papier soumis pour rechercher des signes révélateurs d'erreur statistique ou même de fraude. Ils peuvent rechercher des signes de plagiat, des données fabriquées et des incohérences. Ils peuvent dépister les signes statistiques subtils de p-hacking. Au fur et à mesure que ces systèmes apprennent et s'améliorent, ils peuvent servir de soi-disant système expert, aidant les rédacteurs en chef et les pairs évaluateurs à concentrer leur attention sur les problèmes potentiels.

De plus, les systèmes d'IA peuvent effectuer le genre d'analyse statistique approfondie que les gens trouvent extrêmement difficile et contre-intuitive. Bien sûr, un bon statisticien peut le faire aussi, mais la capacité de le faire rapidement et complètement pour chaque article changerait la donne. Ce que je veux dire par là, c'est qu'une analyse statistique approfondie peut donner aux experts une perspective sur ce que signifient les données que les articles scientifiques font rarement. En examinant un article individuel, il est possible de faire des déclarations statistiques sur la probabilité que l'hypothèse principale de l'article soit réellement vraie. C'est quelque chose que je vois rarement. La plupart des scientifiques se fient à la valeur p pour estimer cela, et ceci est tellement imparfait qu'il vaut mieux le décrire comme faux.

. L'essentiel est que prendre de mauvaises décisions sur ce que la recherche dit réellement est un problème endémique en médecine, conduisant à l'adoption prématurée de pratiques qui s'avèrent inutiles, voire nuisibles.

Si, cependant, il était pratique courante d'exécuter de tels articles via un algorithme d'IA d'apprentissage en profondeur qui peut ensuite aboutir à une analyse qui dit – «probabilité globale d'efficacité <10%» ou quelque chose du genre, ce serait extrêmement utile.

En outre, les systèmes d'IA peuvent être utilisés pour analyser non seulement des articles individuels, mais toute la littérature scientifique. C'est quelque chose que les experts font souvent, dans les revues systématiques, mais c'est extrêmement difficile et demande beaucoup de temps et d'efforts. Cela, bien sûr, limite la mise à jour des revues systématiques pour une question médicale particulière. Si les systèmes d'IA pouvaient effectuer des revues systématiques automatisées en temps réel sur n'importe quelle question scientifique que vous pourriez poser, cela changerait encore la donne.

La technologie est déjà là pour accomplir tout cela et plus encore – nous devons juste l'adapter spécifiquement à ces applications spécifiques. Cela pourrait prendre des années, mais c'est un effort qui vaut le temps et les ressources. Et pour être clair, les systèmes d'IA ne remplacent pas les humains. Ils aident les experts en leur donnant accès à de vastes quantités de données analysées et à des moyens d'examiner des données qui, autrement, ne seraient pas possibles ou prendraient trop de temps et d'efforts pour être pratiques.

Il y a là une opportunité évidente pour une amélioration spectaculaire, et nous devrions la saisir.



Source link

Author

Write A Comment