Moltissimi studi sulla malattia COVID-19 e sul relativo virus SARS-CoV-2 vengono pubblicati giorno dopo giorno in questo periodo. Naturalmente si tratta di un aspetto positivo in quanto più studi vuol dire una maggiore conoscenza del virus e quindi maggiori possibilità di trovare un farmaco o un vaccino.
Il fatto è che ne vengono pubblicati così tanti che gli scienziati stanno “annegando” tra gli studi sulla COVID 19 e tenere il passo anche solo per essere aggiornati su uno dei vari aspetti del virus risulta molto difficile.
È quanto fa notare un nuovo articolo pubblicato su Science che riprende ancora una volta, dato che non è il primo, il problema relativo al bisogno di nuovi strumenti, idealmente di tipo informatico, per analizzare le nuove pubblicazioni scientifiche, un problema che in questo caso si fa ancora più pressante data la pandemia in corso.
Parliamo di centinaia di nuovi studi sulla COVID 19 ogni giorno, un volume tale che nessuno scienziato o ricercatore al mondo può tentare anche solo di monitorare.
È naturale, in questi casi, rifarsi ai computer, in special modo all’intelligenza artificiale. I nuovi strumenti di ricerca dell’intelligenza artificiale si rifanno però ad algoritmi nuovi, ancora poco conosciuti (ad esempio quelli del deep learning) e utilizzabili sostanzialmente solo dai gruppi di ricerca attivi nel campo della nuova intelligenza artificiale. Le stesse interfacce, per esempio, non sono ancora facili da utilizzare.
E intanto gli studi vengono pubblicati a iosa, in numero sempre maggiore, giorno dopo giorno. Non si tratta solo di studi relativi a nuove scoperte ma anche di studi che, per esempio, negano l’evidenza di un particolare approccio teorico o l’utilità di un farmaco, anche questi importantissimi per il progresso della conoscenza nel settore.
“È un casino”, dichiara Timothy Sheahan, virologo che sta studiando il virus della COVID-19 e che vorrebbe tenere il passo degli studi che vengono pubblicati quotidianamente, reperendo informazioni potenzialmente utili per le sue ricerche.
Numerose società editrici stanno lanciando e pubblicando nuovi set di dati con relativi strumenti di ricerca ma si tratta di approcci separati, un approccio non universale, che probabilmente rende ancora più difficile, per gli scienziati, il districarsi tra i vari documenti pubblicati sul giornale di una casa editrice piuttosto che sul giornale di un’altra.
Inoltre un altro problema è relativo al fatto che una buona percentuale degli studi sulla COVID-19, anche se in misura minore rispetto agli studi su altri argomenti, sono pubblicati ancora dietro paywall e quindi accessibili solo dietro un pagamento, cosa che limita lo sforzo di data mining.
Ora si stanno facendo avanti anche Google, la Chan Zuckerberg Initiative e l’Allen Institute for AI che intendono collaborare con i National Institutes of Health e con altre istituzioni per raccogliere tutti i documenti pubblicati in tema COVID-19 e per utilizzare, ai fini della ricerca, algoritmi di elaborazione del linguaggio naturale, algoritmi che vanno oltre le parole chiave presenti o non presenti negli stessi documenti e che usano varianti di termini di ricerca o testo correlato quando un ricercatore esegue una determinata query.
