科学者は、人工知能（AI）を使用して2日間で12の系統的レビューを再現したと言います。これらの「ゴールドスタンダード」研究を作成するのにかかる時間を大幅に削減し、複数の出版物の結果をまとめ、通常は何ヶ月もかかります。
先週MedRXIVに投稿されたプレプリントに記載されている新しいシステム1、医師や政策立案者が使用する影響力のあるレビューの生産を加速するのに役立つ可能性がある、とその開発者は言います。大規模な言語モデル（LLM）を使用して、体系的なレビュープロセスで2つの面倒なステップを加速させることで、チームはカナダのトロント大学の共著者クリスチャンカオ氏は、チームがわずか20分でレビューを更新することさえできる12のコクランレビューを迅速に再現することができました。
aiは科学文献をレビューできますか？それが何を意味するのかを把握できますか？
「コーヒーを飲んだときに、系統的なレビューが行われるのを見るのはおかしいです」とCAOは言います。彼と彼の2人の協力者は、オットーレビューと呼ばれるスピンオフ会社を開始し、メソッドを商用ソフトウェアプラットフォームに変えました。
しかし、他の研究者は、この技術がクリエイターが示唆するのと同じくらいプロセスを加速できることに懐疑的です。彼らは、チームがまだいくつかの主要なタスクを自動化しておらず、システムを独立してテストする必要があることを指摘しています。 「科学論文の場合、その主張は検証可能である必要があります。そして、私はそれを検証することはできません」と、ロンドンユニバーシティカレッジの専門家であるジェームズ・トーマスは言います。
長いタスク
系統的レビューは、結果を組み合わせることで臨床試験などの多くの学術研究を理解できるため、重要です。彼らは、世界中の医療行為で使用されるガイドラインの根底にあり、政策、教育、その他の場所での決定を導くためにますます使用されています。
しかし、系統的なレビューを行うことは雑用です。アカデミックデータベースを検索して、潜在的に数千の関連する研究を見つけ、それらをスクリーニングして、最も関連するものの一握りを引き出し、それらが偏っているか信頼できないかどうかを評価し、多くの場合、金属分析と呼ばれる統計的手法を使用してデータを抽出して分析します。 1回の見積もりによると、このプロセスには数か月（時には数年）がかかり、レビューごとに100,000ドルをはるかに超えています。そのため、多くの系統的レビューが最新の状態に保たれていません。
科学者は、実際に機能する政策を作成するために巨大な「証拠銀行」を構築しています
研究者は長い間ソフトウェアを使用して支援してきましたが、ここ数年では、LLMを使用してタスクの一部を自動化することに関心が急増しています。 「この分野は、企業からの誇張の主張であふれています」と、オーストラリアのゴールドコーストにあるボンド大学に自動化されたレビューツールを構築しているジャスティンクラークは言います。
#AIは金標準の医療レビューを作成する時間を大幅に削減しますが懐疑論者は注意を促します