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

医学科学の世界において、複雑な健康問題の解決が単独で行われることはめったにありません。研究者、医師、そして機関が力を合わせることで、研究ネットワークが構築されます。これは、単独の人間では対処できない課題に取り組むために、知識、リソース、そして患者を共有するための構造化された方法です。これらの提携は、科学的な発見を現実世界の治療や政策へと変えるために不可欠です。しかし、これらのネットワークを構築することは、伝統的に遅い、手作業によるプロセスでした。科学者たちは、誰が何に取り組んでいるかを見つけるために、個人的な連絡先や調査、あるいは機関の記録に頼ることがよくあります。この手法は、労働集約的でヒューマンエラーが起こりやすく、新しい専門家が登場したり古いチームが解散したりするにつれて、すぐに時代遅れになってしまいます。それは、広大で変化し続ける風景を、一歩一歩徒歩で踏破して地図を作ろうとするようなものです。それは機能はしますが、非常に消耗しますし、最も重要な道を見逃してしまう可能性もあります。

ハル大学の研究チームは、異なる方法、すなわちコンピュータのスピードとパターン認識能力を利用したネットワーク構築の方法を提案しました。彼らは、データサイエンスと人工知能が、特にイングランド北部におけるアルコール、依存症、およびメンタルヘルスを研究している人々に適した研究ネットワークを自動的に見つけ出せるかどうかを問いかけました。電話やスプレッドシートに頼る代わりに、彼らは数百万件もの学術論文をスキャンし、著者を見つけ出し、その身元を確認し、誰がすでに共に働いているかをマッピングするシステムを構築しました。その目的は、機械がネットワーキングの重労働を行い、スケーラブル（拡張可能）かつ体系的な、最新の明確な研究環境の全体像を作成できるかどうかを確認することでした。

研究者たちは、物質使用や精神的なウェルビーングに関連する重大な公衆衛生上の課題に直面しているイングランド北部という地域に注目しました。彼らは、この地域でアルコール、依存症、およびメンタルヘルスについて積極的に発表を行っている学者や臨床医を特定したいと考えました。これを行うために、彼らは膨大な医学文献の無料データベースであるPubMedを活用しました。彼らは、アルコール、依存症、およびメンタルヘルスに関する研究を掲載することで知られる26の特定のジャーナルを選定しました。コンピュータプログラムを使用して、過去5年間にこれらのジャーナルで発表されたすべての論文を検索しました。その後、ソフトウェアは著者の名前と、彼らが所属する大学または病院を抽出しました。

この種の研究における大きな障壁は、多くの研究者が同じ名前を持っていることです。これを解決するために、チームは科学者のためのユニークなIDカードとして機能するORCIDと呼ばれるデジタルツールを使用しました。コンピュータは、論文に見られる名前と所属をこれらのユニークなIDと照合し、ある大学の「ジョン・スミス」が別の大学の「ジョン・スミス」と混同されないように試みました。著者が特定され、その身元が確認されると、チームは彼らの関係を示すデジタルマップを作成しました。このマップでは、すべての研究者が一つの点であり、二人の点が論文を共著していれば、その二点を線で結びます。この視覚的な構造により、誰が誰と協力しているのか、そして異なるグループがいかに密接に結びついているのかが明らかになります。

この自動検索の結果は、示唆に富むものでした。システムは、イングランド北部の21の機関にわたる420人のユニークな研究者を特定しました。研究者がどこを拠点としているかを確認したところ、ヨークシャー・アンド・ハンバー地域が最も活発であり、全出版物のうち181件を生み出していることがわかりました。北西部が162件でこれに続き、北東部が55件となりました。個別の大学では、シェフィールド大学が94件の出版物で際立っており、次いでヨーク大学が57件、リバプール大学が52件となりました。データは明確な傾向を示していました。つまり、これらのトピックに関する論文の総数はここ数年でわずかに減少傾向にあるものの、北部における専門知識の集中度は依然として高いということです。

研究者たちがこれらの科学者間のつながりを調べたところ、中程度の結合度を持つネットワークが見つかりました。平均して、各研究者は約7人の他の人物と協力していました。マップによれば、協力の多くは単一の大学内で行われていますが、異なる機関の間でも健全なレベルの共同作業が行われています。シェフィールド大学は、ヨークシャー・アンド・ハンバー地域における中心的なハブとして浮上し、多くのつながりの焦点として機能していました。しかし、このネットワークは完璧な網ではありませんでした。分析によれば、これらの研究者の間で起こりうるすべてのコラボレーションのうち、実際に存在するのはわずか約4パーセントであり、これは新しいパートナーシップを形成するための余地がまだ十分にあることを示しています。

この研究は、人工知能を使用して研究ネットワークを構築することが、伝統的な手法に代わる実現可能で強力な選択肢であることを示唆しています。著者らは、手作業によるアプローチは大規模なプロジェクトに役立つにはあまりに遅く、一貫性に欠けることが多い一方で、彼らの自動化された手法は、潜在的な共同研究者の包括的なリストを迅速に生成できると主張しています。このアプローチは、誰が誰を知っているかではなく、実際の発表された成果に基づいて、研究環境をありのままの姿として見る方法を提供します。ただし、研究者たちは、彼らの手法が完璧ではないことにも注意を促しています。システムは発表された論文に依存しているため、まだ論文を発表していない初期キャリアの研究者や、選択されたジャーナルに執筆していない臨床医を見逃す可能性があります。さらに、コンピュータはすべての著者のユニークなIDを見つけることができなかったため、一部の名前は出現した通りの名前として使用されており、これには小さな誤りのリスクが伴います。

これらの限界はあるものの、この研究は、研究コミュニティがいかに形成され、理解されるべきかについての明確な進むべき道を示しています。膨大な混沌とした学術文献の海を構造化されたマップに変えることで、この手法は、資金提供機関や政策立案者に対し、専門知識がどこに存在し、どこにギャップがあるかを特定するためのツールを提供します。本研究は、この自動化されたデータ駆動型のアプローチが、従来のネットワーキングの方法よりも大幅な進歩であることを結論付けています。それは、すでに実務を行っている人々を体系的に特定する方法を提供し、彼らをまとめ、イングランド北部およびその他の地域が直面している複雑な健康課題を解決することを容易にします。今後の課題は、より多くの研究者を捉えるためのツールを洗練させ、ソフトウェアを他者に公開し、こうした極めて重要なつながりを構築することが科学的プロセスの標準的な一部となるようにすることです。