Building a clinical and academic health research network using data science and artificial intelligence

In der Welt der medizinischen Wissenschaft geschieht die Lösung komplexer Gesundheitsprobleme selten isoliert. Wenn Forscher, Ärzte und Institutionen ihre Kräfte bündeln, schaffen sie ein Forschungsnetzwerk – eine strukturierte Art, Wissen, Ressourcen und Patienten zu teilen, um Probleme anzugehen, die für eine einzelne Person allein zu groß wären. Diese Allianzen sind entscheidend, um wissenschaftliche Entdeckungen in reale Behandlungen und politische Maßnahmen zu verwandeln. Der Aufbau dieser Netzwerke war jedoch traditionell ein langsamer, manueller Prozess. Wissenschaftler verlassen sich oft auf persönliche Kontakte, Umfragen oder institutionelle Aufzeichnungen, um herauszufinden, wer woran arbeitet. Dieser Ansatz ist arbeitsintensiv, anfällig für menschliche Fehler und wird schnell veraltet, wenn neue Experten auftauchen und alte Teams sich auflösen. Es ist, als versuche man, eine weite, sich ständig verändernde Landschaft zu kartieren, indem man jeden Zentimeter zu Fuß abwandert; es funktioniert, aber es ist erschöpfend und man übersieht womöglich die wichtigsten Pfade.

Ein Team von Forschern der University of Hull hat einen anderen Weg vorgeschlagen, diese Verbindungen aufzubauen, nämlich einen, der die Geschwindigkeit und das Mustererkennungsvermögen von Computern nutzt. Sie stellten die Frage, ob Datenwissenschaft und künstliche Intelligenz automatisch die richtigen Personen finden könnten, die sich einem Forschungsnetzwerk anschließen sollen, speziell für diejenigen, die in Nordengland zu den Themen Alkohol, Sucht und psychische Gesundheit forschen. Anstatt sich auf Telefonate oder Tabellenkalkulationen zu verlassen, entwickelten sie ein System, das Millionen wissenschaftlicher Artikel scannt, um die Autoren zu finden, ihre Identitäten zu prüfen und abzubilden, wer bereits mit wem zusammenarbeitet. Das Ziel war es zu sehen, ob eine Maschine die schwere Arbeit des Networkings übernehmen kann, um ein klares, aktuelles Bild der Forschungslandschaft zu erstellen, das sowohl skalierbar als auch systematisch ist.

Die Forscher konzentrierten ihre Aufmerksamkeit auf den Norden Englands, eine Region, die vor erheblichen gesundheitspolitischen Herausforderungen im Zusammenhang mit Substanzgebrauch und psychischem Wohlbefinden steht. Sie wollten die Akademiker und Kliniker in dieser Region identifizieren, die zwischen 2020 und 2025 aktiv zu diesen Themen publizierten. Zu diesem Zweck wandten sie sich an PubMed, eine massive, kostenfreie Datenbank medizinischer Literatur. Sie wählten sechsundzwanzig spezifische Fachzeitschriften aus, die für Arbeiten zu Alkohol, Sucht und psychischer Gesundheit bekannt sind. Mithilfe eines Computerprogramms durchsuchten sie diese Zeitschriften nach jedem in den letzten fünf Jahren veröffentlichten Artikel. Die Software extrahierte daraufhin die Namen der Autoren sowie die Universitäten oder Krankenhäuser, an denen sie tätig waren.

Eine große Hürde bei dieser Art von Arbeit ist, dass viele Forscher dieselben Namen tragen. Um dies zu lösen, nutzte das Team ein digitales Werkzeug namens ORCID, das wie ein digitaler Personalausweis für Wissenschaftler fungiert. Der Computer versuchte, die in den Artikeln gefundenen Namen und Zugehörigkeiten mit diesen eindeutigen IDs abzugleichen, um sicherzustellen, dass ein „John Smith“ von einer Universität nicht mit einem „John Smith“ von einer anderen verwechselt wird. Sobald die Autoren identifiziert und ihre Identitäten bestätigt worden waren, erstellte das Team eine digitale Karte ihrer Beziehungen. In dieser Karte ist jeder Forscher ein Punkt, und eine Linie verbindet zwei Punkte, wenn sie gemeinsam an einem Papier geschrieben haben. Diese visuelle Struktur offenbart, wer mit wem zusammenarbeitet und wie eng vernetzt die verschiedenen Gruppen sind.

Die Ergebnisse dieser automatisierten Suche waren aufschlussreich. Das System identifizierte 420 einzigartige Forscher an einundzwanzig Institutionen in Nordengland. Als das Team untersuchte, wo diese Forscher ansässig waren, stellte es fest, dass die Region Yorkshire und Humber am aktivsten war und 181 der gesamten Publikationen produzierte. Der Nordwesten folgte mit 1 meisten 162 Publikationen, und der Nordosten mit 55. Unter den einzelnen Universitäten stach die University of Sheffield mit 94 Publikationen hervor, gefolgt von der University of York mit 57 und der University of Liverpool mit 52. Die Daten zeigten einen klaren Trend: Während die Gesamtzahl der Artikel zu diesen Themen in den letzten Jahren leicht zurückgegangen ist, bleibt die Konzentration der Expertise im Norden signifikant.

Als die Forscher die Verbindungen zwischen diesen Wissenschaftlern untersuchten, fanden sie ein moderat vernetztes Netzwerk. Im Durchschnitt hatte jeder Forscher mit etwa sieben anderen Personen zusammengearbeitet. Die Karte zeigte, dass ein Großteil der Zusammenarbeit innerhalb einer einzigen Universität stattfindet, es aber auch eine gesunde Menge an Arbeit zwischen verschiedenen Institutionen gibt. Die University of Sheffield erwies sich als zentraler Knotenpunkt in der Region Yorkshire und Humber und fungierte als Fokuspunkt für viele der Verbindungen. Das Netzwerk war jedoch kein perfektes Gespinst; die Analyse deutete darauf hin, dass nur etwa vier Prozent aller möglichen Kollaborationen zwischen diesen Forschern tatsächlich existieren, was zeigt, dass noch viel Raum für neue Partnerschaften besteht.

Die Studie legt nahe, dass die Nutzung von künstlicher Intelligenz zum Aufbau von Forschungsnetzwerken eine machbare und leistungsstarke Alternative zu traditionellen Methoden ist. Die Autoren argumentieren, dass manuelle Ansätze oft zu langsam und inkonsistent sind, um für groß angelegte Projekte nützlich zu sein, während ihre automatisierte Methode schnell eine umfassende Liste potenzieller Kollaborationspartner erstellen kann. Dieser Ansatz bietet eine Möglichkeit, die Forschungslandschaft so zu sehen, wie sie wirklich ist – basierend auf tatsächlicher publizierter Arbeit statt darauf, wer wen zufällig kennt. Die Forscher weisen jedoch vorsichtig darauf hin, dass ihre Methode nicht perfekt ist. Da das System auf veröffentlichten Artikeln basiert, könnte es junge Forscher am Anfang ihrer Karriere übersehen, die noch nicht publiziert haben, oder Kliniker, die nicht in den ausgewählten Fachzeitschriften schreiben. Zudem konnte der Computer nicht für jeden einzelnen Autor eine eindeutige ID finden, wessoeben einige Namen so verwendet werden mussten, wie sie erschienen, was ein kleines Risiko für Fehler birgt.

Trotz dieser Einschränkungen zeigt die Arbeit einen klaren Weg auf, wie Forschungsgemeinschaften gebildet und verstanden werden können. Indem sie den riesigen, chaotischen Ozean der wissenschaftlichen Literatur in eine strukturierte Karte verwandeln, bietet diese Methode Förderorganisationen und politischen Entscheidungsträgern ein Werkzeug, um zu identifizieren, wo Expertise liegt und wo Lücken bestehen könnten. Die Studie kommt zu dem Schluss, dass dieser automatisierte, datengesteuerte Ansatz ein bedeutender Fortschritt gegenüber den alten Wegen des Networkings ist. Er bietet eine Möglichkeit, die Menschen, die bereits die Arbeit leisten, systematisch zu identifizieren, was es erleichtert, sie zusammenzubringen, um die komplexen gesundheitlichen Herausforderungen in Nordengland und darüber hinaus zu lösen. Die Zukunft dieser Arbeit wird darin bestehen, die Werkzeuge zu verfeinern, um noch mehr Forscher zu erfassen, und die Software anderen zur Verfügung zu stellen, damit der Aufbau dieser lebenswichtigen Verbindungen zu einem Standardbestandteil des wissenschaftlichen Prozesses wird.