Categories
Zespoły

Projekt: M-A-AI-D  (meta-analysis-AI-driven)

Celem jest stworzenie rozwiązania, które za pomocą odpowiednio skonstruowanego algorytmu przeszukiwałoby dostępne bazy danych medycznych, przeprowadzałoby selekcję i analizę wyników znalezionych artykułów. Dzięki zastosowaniu AI zminimalizowane zostałoby ryzyko błędu, co zwiększyłoby naukową wartość analizy. Wynik mógłby być wykorzystany do opracowania kolejnych, lepszych rekomendacji, które zwiększą jakość opieki nad pacjentem, docelowo zwiększając jakość jego życia i sprawność procesu leczniczego.

Każdego roku w czasopismach medycznych publikowane jest ponad 1,5 miliona artykułów. Liczba ta rośnie z roku na rok. Coraz trudniejsze staje się nadążanie za ogromem nowych informacji docierających z laboratoriów, szpitali, uniwersytetów, czy od firm farmaceutycznych. Na brak czasu na uaktualnienie swojej wiedzy szczególnie mocno cierpią klinicyści, którzy swoją uwagę muszą poświęcać w szczególności pacjentowi.

Pomocą dla takich osób okazują się wytyczne towarzystw naukowych, które w skrótowy sposób opisują najnowsze doniesienia na temat epidemiologii, nowych sposobów leczenia i patogenezy różnych chorób. Wytyczne te opracowywane są na podstawie dowodów naukowych, spośród których największą wartość mają meta-analizy. Są to analizy wyników różnych badań dotyczących tej samej lub bardzo podobnej tematyki. Zbierają one, asymilują i podsumowują dowody naukowe z różnych artykułów. Za pomocą takiego badania rozwiewa się wątpliwości na temat nowych sposobów leczenia, gdy w różne badania wykazują różną jego skuteczność. Wykorzystując do analizy grupy badawcze z różnych badań, zwiększamy siłę dowodu naukowego i zwiększamy szansę na uzyskanie istotności statystycznej.

Opracowanie takiej analizy jest czasochłonne, lecz stosunkowo proste. Należy w pierwszej kolejności przeprowadzić przegląd literatury i zebrać artykuły, które odpowiadają na nasze pytanie kliniczne. Zazwyczaj wyszukiwarki baz danych dostarczają wtedy kilkaset artykułów. Różne bazy danych dostarczają różne artykuły, dlatego istotne jest, aby nie ograniczać się tylko do jednego źródła. Następnie przeprowadzana jest selekcja na podstawie kryteriów ustalanych przez badaczy, co redukuje ilość artykułów wykorzystywanych następnie do analizy. Na sam koniec wyniki wybranych badań są zbierane, porównywane, analizowane zbiorczo i przedstawiane najczęściej w formie wykresu, który obrazuje wynik uzyskany z analizy.

Niestety, na każdym etapie konstruowania analizy istnieje ryzyko błędu, spowodowane głównie przez czynnik ludzki. Na przykład pominięcie kilku ważnych artykułów na etapie przeglądu literatury może zaważyć na wyniku. Istnieje ryzyko błędnego przypisania wartości liczbowej – wyniku leczenia, bądź liczebności grupy badanej, Analiza statyczna i analiza wyniku końcowego również są potencjalnymi źródłami błędów.

Z tego powodu sztuczna inteligencja może znaleźć zastosowanie w opracowywaniu takich analiz.

Lider projektu: Michał Fornalik

Herb Polski
Flaga Polski

Dofinansowanie ze środków Ministra Edukacji i Nauki w ramach programu Społeczna Odpowiedzialność Nauki –
Popularyzacja nauki i promocja sportu. Projekt: Akcelerator AI i Blockchain

DOFINANSOWANIE: 800 000 ZŁ
CAŁKOWITA WARTOŚĆ: 920 000,00 ZŁ