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

Nel mondo della scienza medica, risolvere problemi sanitari complessi raramente avviene in isolamento. Quando ricercatori, medici e istituzioni uniscono le forze, creano una rete di ricerca: un modo strutturato per condividere conoscenze, risorse e pazienti per affrontare questioni che sono troppo grandi per essere gestite da una singola persona da sola. Queste alleanze sono vitali per trasformare le scoperte scientifiche in trattamenti e politiche del mondo reale. Tuttavia, la costruzione di queste reti è stata tradizionalmente un processo lento e manuale. Spesso i ricercatori si affidano a contatti personali, sondaggi o registri istituzionali per scoprire chi sta lavorando su cosa. Questo approccio è laborioso, soggetto all'errore umano e diventa rapidamente obsoleto man mano che emergono nuovi esperti e vecchi team si sciolgono. È come cercare di mappare un vasto e mutevole paesaggio camminando ogni centimetro a piedi; funziona, ma è estenuante e si potrebbero perdere i sentieri più importanti.

Un team di ricercatori dell'Università di Hull ha proposto un modo diverso per costruire queste connessioni, uno che utilizza la velocità e il potere di riconoscimento dei modelli dei computer. Si sono chiesti se la scienza dei dati e l'intelligenza artificiale potessero trovare automaticamente le persone giuste per unirsi a una rete di ricerca, specificamente per coloro che studiano l'alcol, la dipendenza e la salute mentale nell'Inghilterra settentrionale. Invece di fare affidamento su telefonate o fogli di calcolo, hanno costruito un sistema che scansiona milioni di articoli scientifici per trovare gli autori, verifica le loro identità e mappa chi sta già lavorando insieme. L'obiettivo era vedere se una macchina potesse svolgere il lavoro pesante del networking, creando un quadro chiaro e aggiornato del panorama della ricerca che sia al contempo scalabile e sistematico.

I ricercatori hanno concentrato la loro attenzione sulla parte settentrionale dell'Inghilterra, un'area che affronta significative sfide di salute pubblica legate all'uso di sostanze e al benessere mentale. Volevano identificare gli accademici e i clinici in questa regione che stavano pubblicando attivamente su questi temi tra il 2020 e il 2025. Per farlo, si sono rivolti a PubMed, un enorme database gratuito di letteratura medica. Hanno selezionato ventisei riviste specifiche note per pubblicare lavori su alcol, dipendenza e salute mentale. Utilizzando un programma informatico, hanno cercato in queste riviste ogni articolo pubblicato negli ultimi cinque anni. Il software ha poi estratto i nomi degli autori e le università o gli ospedali per cui lavoravano.

Un ostacolo principale in questo tipo di lavoro è che molti ricercatori condividono gli stessi nomi. Per risolvere questo problema, il team ha utilizzato uno strumento digitale chiamato ORCID, che funge da carta d'identità unica per gli scienziati. Il computer ha cercato di abbinare i nomi e le affiliazioni trovati negli articoli con questi ID unici per garantire che un "John Smith" di un'università non venisse confuso con un altro "John Smith" di un'altra università. Una volta identificati gli autori e confermate le loro identità, il team ha costruito una mappa digitale delle loro relazioni. In questa mappa, ogni ricercatore è un punto, e una linea collega due punti se hanno scritto un articolo insieme. Questa struttura visiva rivela chi collabora con chi e quanto siano strettamente legati i diversi gruppi.

I risultati di questa ricerca automatizzata sono stati rivelatori. Il sistema ha identificato 420 ricercatori unici in ventuno istituzioni nel Nord dell'Inghilterra. Quando il team ha esaminato dove si trovavano questi ricercatori, ha scoperto che la regione di Yorkshire e Humber era la più attiva, producendo 181 delle pubblicazioni totali. Il Nord-Ovest seguiva con 162 pubblicazioni, e il Nord-Est con 55. Tra le singole università, l'Università di Sheffield si è distinta con 94 pubblicazioni, seguita dall'Università di York con 57 e dall'Università di Liverpool con 52. I dati hanno mostrato una tendenza chiara: sebbene il numero totale di articoli su questi argomenti abbia subito un leggero calo negli ultimi anni, la concentrazione di competenze nel Nord rimane significativa.

Quando i ricercatori hanno esaminato le connessioni tra questi scienziati, hanno trovato una rete moderatamente connessa. In media, ogni ricercatore aveva collaborato con circa sette altre persone. La mappa ha mostrato che, sebbene gran parte della collaborazione avvenga all'interno di una singola università, c'è anche un sano volume di lavoro che avviene tra diverse istituzioni. L'Università di Sheffield è emersa come un hub centrale nella regione di Yorkshire e Humber, agendo come punto focale per molte delle connessioni. Tuttavia, la rete non era una tela perfetta; l'analisi ha suggerito che solo circa il quattro per cento di tutte le possibili collaborazioni tra questi ricercatori esiste effettivamente, indicando che c'è ancora molto spazio per la formazione di nuove partnership.

Lo studio suggerisce che utilizzare l'intelligenza artificiale per costruire reti di ricerca è un'alternativa fattibile e potente ai metodi tradizionali. Gli autori sostengono che gli approcci manuali siano spesso troppo lenti e incoerenti per essere utili in progetti su larga scala, mentre il loro metodo automatizzato può generare rapidamente un elenco completo di potenziali collaboratori. Questo approccio offre un modo per vedere il panorama della ricerca così com'è realmente, basandosi sul lavoro pubblicato e non su chi capita a conoscere chi. Tuttavia, i ricercatori sono cauti nel notare che il loro metodo non è perfetto. Poiché il sistema si basa sugli articoli pubblicati, potrebbe mancare ricercatori all'inizio della carriera che non hanno ancora pubblicato o clinici che non scrivono per le riviste selezionate. Inoltre, il computer non è riuscito a trovare un ID unico per ogni singolo autore, quindi alcuni nomi sono dovuti essere utilizzati così come apparivano, il che comporta un piccolo rischio di errore.

Nonostante queste limitazioni, il lavoro dimostra una chiara strada da seguire per come le comunità di ricerca possano essere formate e comprese. Trasformando il vasto e caotico oceano della letteratura scientifica in una mappa strutturata, questo metodo fornisce agli enti finanziatori e ai decisori politici uno strumento per identificare dove risiede l'esperienza e dove potrebbero esserci lacune. Lo studio conclude che questo approccio automatizzato e basato sui dati è un passo avanti sostanziale rispetto ai vecchi modi di fare networking. Offre un modo per identificare sistematicamente le persone che stanno già svolgendo il lavoro, rendendo più facile riunirle per affrontare le complesse sfide sanitarie che colpiscono l'Inghilterra settentrionale e oltre. Il futuro di questo lavoro consisterà nel perfezionare gli strumenti per catturare ancora più ricercatori e nel rendere il software disponibile ad altri, affinché la costruzione di queste vitali connessioni diventi una parte standard del processo scientifico.