با ظهور همه‌گیری جهانی کووید-۱۹، جامعه علمی با یک چالش بی‌سابقه مواجه شد: انفجار اطلاعات. هر روز صدها مقاله پژوهشی، گزارش کارآزمایی بالینی و پیش‌نویس تحقیقاتی در پایگاه‌های داده آنلاین منتشر می‌شد. این حجم عظیم از داده، در عین حال که نشان‌دهنده تلاش جهانی برای مقابله با ویروس بود، یک «سونامی اطلاعاتی» ایجاد کرد که حتی برای متخصص‌ترین پژوهشگران نیز پیگیری و تحلیل آن تقریباً غیرممکن بود. دانشمندان برای یافتن آخرین یافته‌های مرتبط با کار خود، مجبور بودند ساعت‌ها وقت صرف جستجو و غربالگری مقالات کنند؛ زمانی که در شرایط یک بحران بهداشتی، ارزشی حیاتی دارد.

مقاله «پایش بیدرنگ به‌روزرسانی‌های پژوهش‌های کووید-۱۹ و کروناویروس با متن‌کاوی» که توسط یوتونگ جین و همکارانش به رشته تحریر درآمده است، پاسخی مستقیم به این چالش ارائه می‌دهد. اهمیت این پژوهش در استفاده هوشمندانه از هوش مصنوعی (AI) و پردازش زبان طبیعی (NLP) برای ساخت ابزاری است که بتواند این حجم عظیم از متون علمی غیرساختاریافته را به‌طور خودکار پردازش، دسته‌بندی و تحلیل کند. این مقاله نشان می‌دهد چگونه می‌توان با بهره‌گیری از تکنیک‌های متن‌کاوی، یک سیستم هوشمند اطلاعاتی ساخت تا به دانشمندان در سراسر جهان کمک کند تا به‌سرعت و با کارایی بالا، به اطلاعات کلیدی دست یابند، روندهای نوظهور پژوهشی را شناسایی کنند و در نهایت، مسیر تحقیقات خود را تسریع بخشند.

نویسندگان این مقاله، یوتونگ جین، جی لی، شینیو وانگ، پیائو لی، جین‌جیانگ گو، جون‌فنگ وو، داوی لنگ و لورونگ پان، گروهی از پژوهشگران هستند که در مرز مشترک علوم کامپیوتر، هوش مصنوعی و علوم زیست‌پزشکی فعالیت می‌کنند. همانطور که از آدرس پورتال اطلاعاتی آن‌ها (ghddi-ailab) برمی‌آید، این تیم احتمالاً با «آزمایشگاه هوش مصنوعی مؤسسه جهانی کشف داروی سلامت» (GHDDI AI Lab) در ارتباط است. این مؤسسات معمولاً بر استفاده از فناوری‌های پیشرفته برای حل چالش‌های بزرگ بهداشت جهانی تمرکز دارند.

زمینه اصلی این تحقیق، بازیابی اطلاعات (Information Retrieval) و کاربرد آن در حوزه پزشکی است. این پژوهش نمونه‌ای برجسته از یک کار میان‌رشته‌ای است که در آن، تکنیک‌های پیشرفته کامپیوتری برای حل یک مشکل واقعی در دنیای پزشکی به کار گرفته می‌شود. هدف نهایی، تبدیل داده‌های متنی پراکنده و غیرقابل مدیریت به دانش ساختاریافته و قابل استفاده است.

مقاله حاضر، یک سیستم هوشمند را معرفی می‌کند که با هدف کمک به دانشمندان برای ناوبری در اقیانوس مقالات مرتبط با کروناویروس طراحی شده است. ایده اصلی این است که با استفاده از هوش مصنوعی، فرایند طاقت‌فرسای خواندن و دسته‌بندی دستی مقالات را خودکارسازی کنیم. نویسندگان نشان می‌دهند که چگونه می‌توان با استخراج اطلاعات از متون علمی، سه ماژول اطلاعاتی کلیدی و پویا ایجاد کرد:

• اطلاعات کارآزمایی‌های بالینی: استخراج خودکار جزئیات مهم از گزارش‌های کارآزمایی‌های بالینی، مانند داروهای مورد آزمایش، فاز مطالعه، تعداد شرکت‌کنندگان و نتایج اولیه.
• مطالعات پیش‌بالینی: شناسایی و دسته‌بندی تحقیقاتی که در مراحل اولیه (مانند آزمایش روی سلول‌ها یا حیوانات) قرار دارند و پایه‌های علمی درمان‌ها و واکسن‌های آینده را تشکیل می‌دهند.
• مدل‌سازی موضوعی عمومی: تحلیل کلیه مقالات برای کشف و خوشه‌بندی موضوعات اصلی و روندهای پژوهشی در حال شکل‌گیری، مانند تحقیقات روی واکسن‌های mRNA، مطالعات مربوط به انتقال ویروس یا پژوهش‌های مرتبط با عوارض بلندمدت بیماری (کووید طولانی).

این سیستم نه‌تنها برای کووید-۱۹ کاربرد دارد، بلکه چارچوب آن به‌گونه‌ای طراحی شده که می‌توان آن را برای سایر بیماری‌ها نیز تعمیم داد. در نهایت، این پژوهش با ارائه یک پورتال اطلاعاتی عمومی و به‌روزرسانی‌شونده، یافته‌های خود را به ابزاری کاربردی برای جامعه علمی جهانی تبدیل کرده است.

اساس این پژوهش بر تکنیک‌های پیشرفته متن‌کاوی (Text Mining) و پردازش زبان طبیعی استوار است. فرایند کار این سیستم را می‌توان به چند مرحله کلیدی تقسیم کرد:

• جمع‌آوری داده‌ها: اولین گام، جمع‌آوری مستمر و خودکار مقالات از منابع مختلف است. این منابع شامل پایگاه‌های داده معتبر مانند PubMed، سرورهای پیش‌چاپ مانند bioRxiv و medRxiv، و همچنین پایگاه‌های ثبت کارآزمایی‌های بالینی نظیر ClinicalTrials.gov می‌شود.
• پیش‌پردازش متن: متون خام علمی قبل از تحلیل، نیازمند پاک‌سازی و آماده‌سازی هستند. این مرحله شامل حذف کلمات توقف (stop words)، ریشه‌یابی کلمات (stemming) و تبدیل متن به قالبی است که برای الگوریتم‌های یادگیری ماشین قابل فهم باشد.
• استخراج اطلاعات (Information Extraction): این بخش قلب سیستم است. با استفاده از مدل‌هایی مانند بازشناسی موجودیت‌های نام‌دار (Named Entity Recognition – NER)، سیستم به‌طور خودکار موجودیت‌های کلیدی مانند نام داروها، ژن‌ها، پروتئین‌ها، نام ویروس‌ها و انواع روش‌های درمانی را از متن مقالات استخراج می‌کند. برای مثال، سیستم می‌تواند در یک جمله، «رمدسیویر» را به عنوان یک دارو، «فاز ۳» را به عنوان مرحله کارآزمایی بالینی و «۲۰۰۰ بیمار» را به عنوان حجم نمونه شناسایی کند.
• مدل‌سازی موضوعی (Topic Modeling): برای درک تصویر کلان پژوهش‌ها، نویسندگان از الگوریتم‌های مدل‌سازی موضوعی، احتمالاً الگوریتم تخصیص پنهان دیریکله (LDA)، استفاده کرده‌اند. این الگوریتم با تحلیل آماری کلمات موجود در هزاران مقاله، آن‌ها را به خوشه‌های موضوعی تقسیم می‌کند. هر خوشه توسط مجموعه‌ای از کلمات کلیدی تعریف می‌شود. برای مثال، یک خوشه ممکن است با کلماتی مانند «آنتی‌بادی»، «پروتئین اسپایک»، «واکسن»، «ایمنی» و «mRNA» تعریف شود که نشان‌دهنده «تحقیقات ایمنی‌شناسی و واکسن» است.
• ارزیابی مدل‌ها: برای اطمینان از دقت سیستم، نتایج آن با استفاده از معیارهای استاندارد ارزیابی شده است. برای بخش استخراج اطلاعات، معیارهایی مانند دقت (Precision) و بازخوانی (Recall) به کار رفته‌اند. برای مدل‌سازی موضوعی نیز از معیارهایی مانند انسجام موضوعی (Topic Coherence) برای سنجش کیفیت خوشه‌های ایجادشده استفاده شده است.

این مقاله چندین یافته مهم و کاربردی را به اثبات می‌رساند:

• اثبات کارایی: یافته اصلی این است که استفاده از هوش مصنوعی برای تحلیل و پایش بیدرنگ متون علمی، یک رویکرد عملی و مؤثر است. سیستم توسعه‌داده‌شده توانسته با دقت قابل قبولی اطلاعات کلیدی را استخراج و مقالات را دسته‌بندی کند.
• ایجاد یک منبع پویا: برخلاف تحلیل‌های ایستا، این سیستم یک پلتفرم زنده و پویاست. ماژول‌های آن به‌طور خودکار با انتشار مقالات جدید به‌روز می‌شوند و تصویری لحظه‌ای از چشم‌انداز تحقیقات کروناویروس ارائه می‌دهند.
• قابلیت تعمیم‌پذیری: یکی از مهم‌ترین دستاوردهای این پژوهش، نشان دادن این موضوع است که چارچوب (workflow) طراحی‌شده محدود به کووید-۱۹ نیست. همین معماری و الگوریتم‌ها را می‌توان با آموزش مجدد روی داده‌های جدید، برای رصد تحقیقات در سایر حوزه‌های بیماری مانند سرطان، آلزایمر یا آنفولانزا به کار برد.
• توسعه ابزار عمومی: با ساخت و در دسترس قرار دادن پورتال اطلاعاتی، نویسندگان تحقیق خود را از یک مقاله صرفاً آکادمیک به یک ابزار خدمات‌رسان به جامعه علمی جهانی تبدیل کرده‌اند. این امر به ترویج علم باز (Open Science) کمک شایانی می‌کند.

دستاورد این پروژه فراتر از یک مقاله علمی است و کاربردهای عملی متعددی برای گروه‌های مختلف دارد:

برای پژوهشگران: یک دانشمند ویروس‌شناس که بر روی یک جهش خاص ویروس کار می‌کند، دیگر نیازی به جستجوی روزانه ده‌ها پایگاه داده ندارد. او می‌تواند با مراجعه به این سیستم، آخرین مطالعات پیش‌بالینی مرتبط با آن جهش را در چند دقیقه پیدا کند. این ابزار به صرفه‌جویی در زمان، جلوگیری از تحقیقات تکراری و ایده‌یابی برای پژوهش‌های آتی کمک می‌کند.

برای پزشکان و سیاست‌گذاران بهداشتی: این سیستم می‌تواند به عنوان یک داشبورد هوشمند برای رصد پیشرفت کارآزمایی‌های بالینی داروها و واکسن‌های مختلف عمل کند. سازمان‌های بهداشتی می‌توانند با استفاده از آن، روندهای جهانی را تحلیل کرده و تصمیمات مبتنی بر شواهد (evidence-based) را با سرعت بیشتری اتخاذ کنند.

برای صنعت داروسازی: شرکت‌های داروسازی می‌توانند از این ابزار برای شناسایی اهداف دارویی جدید، رصد فعالیت‌های رقبا و یافتن فرصت‌های همکاری پژوهشی استفاده کنند.

مهم‌ترین دستاورد این کار، تبدیل هرج‌ومرج اطلاعات به یک منبع دانش منظم و قابل جستجو است. این سیستم مانند یک دستیار پژوهشی هوشمند و خستگی‌ناپذیر عمل می‌کند که ۲۴ ساعته در حال خواندن، تحلیل و خلاصه‌سازی جدیدترین دستاوردهای علمی جهان است.

مقاله «پایش بیدرنگ به‌روزرسانی‌های پژوهش‌های کووید-۱۹ و کروناویروس با متن‌کاوی» یک نمونه برجسته از قدرت هم‌افزایی هوش مصنوعی و تحقیقات پزشکی است. در دورانی که سرعت پیشرفت علم و حجم تولید داده به‌طور نمایی در حال افزایش است، ابزارهای سنتی تحقیق دیگر پاسخگو نیستند. این پژوهش نشان می‌دهد که چگونه می‌توان با استفاده از الگوریتم‌های هوشمند، بر چالش سرریز اطلاعات غلبه کرد و فرایند کشف علمی را شتاب بخشید.

سیستم ارائه‌شده توسط جین و همکارانش، نه‌تنها یک راهکار مؤثر برای بحران کووید-۱۹ بود، بلکه یک نقشه راه برای آینده پژوهش‌های پزشکی ارائه می‌دهد؛ آینده‌ای که در آن، هوش مصنوعی به عنوان یک همکار جدایی‌ناپذیر در کنار دانشمندان قرار می‌گیرد تا به ما در درک بهتر بیماری‌ها و یافتن درمان‌های مؤثرتر یاری رساند. این کار تأکیدی است بر این واقعیت که در مواجهه با بحران‌های بهداشتی جهانی، همکاری میان رشته‌های مختلف و بهره‌گیری از فناوری‌های نوین، کلید موفقیت ما خواهد بود.