教育新闻网在生物医学研究方面，每天都有数百篇研究论文发表。然而，很难预测将有哪些研究超出实验室范围并导致临床应用。最近，由美国国立卫生研究院(NIH)的项目组合分析办公室(OPA)开发的机器学习模型能够确定将生物医学研究案例用于临床试验或指南的可能性。根据OPA的说法，在临床试验中引用某篇研究文章是翻译进展或将研究结果用作潜在疾病治疗的早期指标。
正如AI Trends报道的那样，OPA的研究人员为他们的机器学习模型创建了一个新的度量标准，称为“近似翻译潜力”或APT。根据OPA主任George Santangelo的说法，可以根据科学界对基于该项目的研究论文的反应来预测生物医学翻译。Santangelo说，知识流有不同的轨迹，可以预测影响临床研究的论文的成功或失败率。
APT指标的创建与NIH第二版iCite工具的发布相吻合。iCite是基于浏览器的应用程序，可根据期刊的特定分析领域提供有关期刊出版物的信息。向前移动，iCite工具将返回查询的APT值。
使实验室研究适应临床应用的过程是一项复杂的任务，通常需要数年时间。由于该任务涉及许多变量，因此已尝试加快此过程，因此可能难以评估翻译过程。正如Santangelo解释的那样，机器学习算法是一种强大的工具，可以
使临床医生可以更好地了解哪些研究论文可能在临床上证明是有用的。随着研究团队对APT指标进行试验和完善，有用的预测模式开始出现。
“我认为，我们关注的最重要的问题是从基础研究到临床研究的兴趣的多样性。当跨越这个轴心的人们(通常来自与正在发表的作品处于同一领域的基础科学家，一直到诊所的人们)对那些论文中的引文形式表现出兴趣，然后最终被作者引用。临床试验或指南相当高。”
根据Santangelo的说法，所选功能在预测从研究论文到临床方法的翻译中显示出真正的希望。从发表之日起至少两年内收集的出版物数据通常可以准确地预测出一篇论文在临床文章中的最终引用情况。
Santangelo解释说，由于有了新的度量标准和机器学习算法，研究人员可以更全面地了解文献中正在发生的事情，从而可以更好地了解研究领域，从而更可能吸引临床科学家。
