مقاله یادگیری ماشین برای ترویج تحقیقات ترجمه ای: پیش بینی ثبت اختراع و آزمایش بالینی در تحقیقات زوال عقل (دمانس)

چکیده

Projected to impact 1.6 million people in the UK by 2040 and costing £25 billion annually, dementia presents a growing challenge to society. This study, a pioneering effort to predict the translational potential of dementia research using machine learning, hopes to address the slow translation of fundamental discoveries into practical applications despite dementia’s significant societal and economic impact. We used the Dimensions database to extract data from 43,091 UK dementia research publications between the years 1990-2023, specifically metadata (authors, publication year etc.), concepts mentioned in the paper, and the paper abstract. To prepare the data for machine learning we applied methods such as one hot encoding and/or word embeddings. We trained a CatBoost Classifier to predict if a publication will be cited in a future patent or clinical trial. We trained several model variations. The model combining metadata, concept, and abstract embeddings yielded the highest performance: for patent predictions, an Area Under the Receiver Operating Characteristic Curve (AUROC) of 0.84 and 77.17% accuracy; for clinical trial predictions, an AUROC of 0.81 and 75.11% accuracy. The results demonstrate that integrating machine learning within current research methodologies can uncover overlooked publications, expediting the identification of promising research and potentially transforming dementia research by predicting real-world impact and guiding translational strategies.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی می شود تا سال 2040 1.6 میلیون نفر در انگلستان را تحت تأثیر قرار دهد و سالانه 25 میلیارد پوند هزینه داشته باشد ، زوال عقل یک چالش فزاینده را برای جامعه ایجاد می کند.این مطالعه ، یک تلاش پیشگام برای پیش بینی پتانسیل ترجمه تحقیقات زوال عقل با استفاده از یادگیری ماشین ، امیدوار است که با وجود تأثیر مهم اجتماعی و اقتصادی دمانس ، ترجمه آهسته اکتشافات اساسی را به کاربردهای عملی برساند.ما از پایگاه داده ابعاد برای استخراج داده ها از 43.091 انتشارات تحقیقاتی زوال عقل انگلستان بین سالهای 1990-2023 ، به طور خاص ابرداده (نویسندگان ، سال انتشار و غیره) ، مفاهیم ذکر شده در مقاله و مقاله چکیده استفاده کردیم.برای تهیه داده ها برای یادگیری ماشین ، ما از روش هایی مانند یک رمزگذاری داغ و/یا تعبیه کلمه استفاده کردیم.ما یک طبقه بندی کننده CatBoost را آموزش دادیم تا پیش بینی کنیم که آیا یک انتشارات در یک ثبت اختراع آینده یا کارآزمایی بالینی ذکر می شود یا خیر.ما چندین تغییر مدل را آموزش دادیم.مدل ترکیبی از ابرداده ، مفهوم و تعبیه های انتزاعی بالاترین عملکرد را به همراه داشت: برای پیش بینی های ثبت اختراع ، منطقه ای تحت منحنی مشخصه عامل گیرنده (AUROC) از 0.84 و 77.17 ٪ دقت.برای پیش بینی های کارآزمایی بالینی ، AUROC با دقت 0.81 و 75.11 ٪.نتایج نشان می دهد که یکپارچه سازی یادگیری ماشین در روشهای تحقیق فعلی می تواند نشریات نادیده گرفته را کشف کند ، با پیش بینی تأثیر دنیای واقعی و هدایت استراتژی های ترجمه ، شناسایی تحقیقات امیدوار کننده و تحول بالقوه تحقیقات زوال عقل را تسریع کند.