La sintesi delle evidenze 2.0: come l’intelligenza artificiale sta rendendo più efficienti le revisioni sistematiche
Recenti Progressi in Medicina · 01.06.2023 · 114 (6)
DOI: 10.1701/4042.40229 ↗Kurz gefasst
Fachartikel in der Zeitschrift Recenti Progressi in Medicina, erschienen am 01.06.2023. Verfasst von Davide Petri. Beteiligte Einrichtung: Dipartimento di Ricerca traslazionale e delle nuove tecnologie in medicina e chirurgia, Università di Pisa. Hauptthemen laut MEDLINE: Artificial Intelligence, Evidence-Based Medicine. Die Arbeit wurde bisher 2-mal zitiert (Crossref).
Abstract (Originalsprache)
Le revisioni sistematiche (RS) sono strumenti fondamentali per sintetizzare le evidenze scientifiche disponibili su un determinato argomento, in alcuni ambiti sanitari si trovano alla base delle decisioni prese in materia di sanità pubblica secondo i principi dell’evidence-based medicine. Tuttavia, rimanere aggiornati sulla mole di produzione scientifica non è sempre facile visto l’incremento annuale di pubblicazioni scientifiche stimato del 4,10%. Le RS, infatti, richiedono molto tempo, con una media di undici mesi dalla progettazione alla sottomissione a una rivista scientifica; per rendere più efficiente questo processo e ottenere tempestivamente delle evidenze, sono stati sviluppati sistemi come le living systematic review e strumenti di intelligenza artificiale per l’automazione delle RS. Questi strumenti possono essere suddivisi in tre categorie: strumenti di visualizzazione, di apprendimento attivo e automatizzati con il natural language processing (Nlp). Il Nlp permette di ridurre il tempo speso e l’errore umano, per esempio, nello screening degli studi primari; esistono già molti strumenti di questo tipo che si applicano a tutte le fasi di una RS, attualmente i più utilizzati sono quelli con “human-in-the-loop” dove il revisore è coinvolto nei vari passaggi per verificare la bontà del lavoro svolto dal modello. In questo momento di transizione nelle RS, nuovi approcci si stanno affermando e sono sempre più apprezzati dalla comunità di revisori; lasciare alcuni compiti più elementari ma anche soggetti ad errori agli strumenti di machine learning, può aumentare l’efficienza del revisore e la qualità complessiva della revisione stessa.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Autor:innen und Institutionen
- Dipartimento di Ricerca traslazionale e delle nuove tecnologie in medicina e chirurgia, Università di Pisa.
Zitieren
APA
Petri, D. (2023). La sintesi delle evidenze 2.0: come l’intelligenza artificiale sta rendendo più efficienti le revisioni sistematiche. Recenti Progressi in Medicina, 114(6). https://doi.org/10.1701/4042.40229
Vancouver
Petri D. La sintesi delle evidenze 2.0: come l’intelligenza artificiale sta rendendo più efficienti le revisioni sistematiche. Recenti Progressi in Medicina. 2023;114(6). doi:10.1701/4042.40229
BibTeX
@article{Petri2023,
author = {Petri, Davide},
title = {La sintesi delle evidenze 2.0: come l’intelligenza artificiale sta rendendo più efficienti le revisioni sistematiche},
journal = {Recenti Progressi in Medicina},
year = {2023},
volume = {114},
number = {6},
doi = {10.1701/4042.40229}
}
EUVIMED