Artikkel

Vitenskapelige litteraturgjennomganger og potensialet til AI for kunnskapssyntese

  • Kimberly Ruiz

  • Malia Gill professional headshot

    Malia Gill

Vitenskapelige litteraturgjennomganger er grunnleggende for evidenssynteseaktivitet fordi de støtter beslutningstaking i helsevesenet og informerer praksis og politikk. Health Economics and Outcomes Research (HEOR)-team er avhengige av vitenskapelige litteraturgjennomganger for å evaluere viktige forskningsspørsmål, identifisere kunnskapshull, veilede fremtidige forskningsretninger og fremme anvendelsen av forskningsfunn i virkelige omgivelser. 
Den mest omfattende typen oversikt, systematiske litteraturoversikter (SLR), verdsettes for sin strenge og reproduserbare tilnærming til evaluering av sentrale forskningsspørsmål. Den transparente metodikken begrenser skjevheter, og SLR-er regnes som gullstandarden for evidensbasert medisin.1 Andre typer vitenskapelige litteraturoversikter, for eksempel omfattende målrettede oversikter, bruker mindre strenge metoder, men gir likevel omfattende informasjon om emner som behandling og sykdomslandskap. Både speilreflekskameraer og omfattende målrettede gjennomganger veileder strategi og støtter regulatoriske innsendinger, noe som gjør dem til pålitelige kilder for legemiddelutvikling.

Speilreflekskameraer og omfattende målrettede gjennomganger er imidlertid arbeids- og tidskrevende prosesser, som ofte tar måneder eller til og med år. Disse lange tidslinjene og det raskt økende antallet publiserte artikler og tilgjengelige tidsskrifter betyr at ny bevis raskt kan erstatte eldre vitenskapelige litteraturanmeldelser.2 Dette kan hindre beslutningsprosesser, spesielt innen fartsfylte felt som helsevesen og legemiddelutvikling, der rettidig og nøyaktig informasjon er avgjørende. 
Som svar har det vært økende interesse for verktøy og metoder som kan støtte større effektivitet, for eksempel kunstig intelligens (AI), som kan fremskynde tiden det tar å vurdere og oppdatere vitenskapelige litteraturgjennomganger.3 

Det er imidlertid viktig at slike verktøy valideres og at bruken av dem styres av ekspertkunnskap om når og hvor det er mest hensiktsmessig, samt klar forståelse av hvordan det vil bli brukt, spesielt i brukssammenhenger der vitenskapelig strenghet i metode og resultater er avgjørende, for eksempel speilreflekskameraer. 

Holde seg i forkant av bevisene

De strengeste og mest omfattende vitenskapelige litteraturgjennomgangene er speilreflekskameraer utført som en del av innsendinger av metodevurderinger (HTA), som følger strenge retningslinjer fra HTA-byråer. Disse speilreflekskameraene bør fylles ut av erfarne forskere. På grunn av begrensningene til AI-assisterte vurderinger, inkludert sjansen for å gå glipp av relevant forskning, anbefales ikke AI for speilreflekskameraer som informerer HTA-beslutninger. 

Veiledningen på dette området er imidlertid i utvikling. Storbritannias National Institute for Health and Care Excellence (NICE) har publisert en posisjonserklæring om bruk av AI i evidensgenerering som legger vekt på tidlig engasjement med NICE og dialog med NICEs tekniske team ved bruk av AI-metoder.4 Til slutt kan det være hensiktsmessig å bruke AI som en andre korrekturleser hvis AI-verktøyene er riktig validert. 

SLR-er utføres også for intern strategi og for publisering. Denne typen speilreflekskameraer er også avgjørende for å identifisere kunnskapshull og kan danne grunnlag for integrerte bevisplaner (IEP). Vitenskapelig strenghet er fortsatt avgjørende for disse speilreflekskameraene. Derfor anbefales det å vurdere AI som en andre anmelder for den første fasen av litteraturscreening. 

Å ha én menneskelig evaluator og én AI-evaluator med konflikter løst av en tredje menneskelig evaluator gir en innebygd kvalitetskontroll. I tillegg bør alle AI-assisterte metoder være transparent skissert i SLR-rapporter eller publikasjoner, som er i tråd med PRISMA-retningslinjene fra 2020 om behovet for en "transparent, fullstendig og nøyaktig redegjørelse for hvorfor (en) gjennomgang ble gjort, hva forfatterne gjorde (for eksempel hvordan studier ble identifisert og valgt), og hva de fant (for eksempel kjennetegn ved bidragende studier og resultater av metaanalyser)."5 Hvis denne typen speilreflekskameraer kan utføres raskere og til lavere kostnad ved hjelp av AI, kan speilreflekskameraer brukes tidligere i legemiddelutviklingsprosessen og kan oppdateres oftere. Dette kan bedre informere IEP-er og føre til mer effektiv planlegging av bevisgenerering. 
En annen type vitenskapelig litteraturgjennomgang som er spesielt nyttig i HEOR-området, er den omfattende målrettede gjennomgangen. Omfattende målrettede gjennomganger dekker ofte sykdoms- og behandlingslandskap og informerer tidlig legemiddelutvikling.  AI-assisterte metoder er spesielt nyttige for brede emner der det er stor mengde publisert litteratur. Bruk av AI for å fullføre den første fasen av litteraturscreening foreslås som et alternativ for tids- og kostnadsbesparelser. Selv om omfattende målrettede gjennomganger har mindre strenge metodikkkrav enn speilreflekskameraer, er menneske-i-løkke-prosesser fortsatt viktige, og implementering av kvalitetskontroller av en forhåndsbestemt prosentandel av referanser gjennomgått av AI er også et foreslått alternativ.  

Til slutt er  oppdatering av vitenskapelige litteraturgjennomganger – enten det er speilreflekskameraer eller omfattende målrettede gjennomganger – en annen type evidenssyntese der bruk av kunstig intelligens kan gi fordeler. Eksisterende vitenskapelige litteraturoversikter kan brukes som treningsdata, og KI-verktøy kan brukes til å vurdere om det er tilstrekkelig ny, relevant publisert litteratur til å utføre en oversiktsoppdatering. Overvåking av nylig publisert litteratur vil sikre at gjennomgangsoppdateringer vil bli utført til rett tid og på en hensiktsmessig måte.

Forsiktig bruk av AI i bevisgenerering

Å finne måter å oppfylle kravene fra HTA-myndighetene på og samtidig redusere noen av de tidkrevende prosessene er en stor prioritet for selskaper, siden hver dag et selskaps produkt ikke refunderes, er tapte inntekter. NICE-veiledning støtter selskaper i fornuftig bruk av AI for å forbedre beslutningstaking innen bevisgenerering. NICE har imidlertid advart om åpenheten og påliteligheten til AI.4

I riktig sammenheng og riktig brukt kan AI-verktøy styrke bedrifter ved å gjøre det enklere og mer kostnadseffektivt å utføre speilreflekskameraer oftere og følgelig hjelpe dem med å ta bedre informerte beslutninger.

PRISMA gir veiledning om bruk av automatisering i sin utvidede sjekkliste for 2020. Dette inkluderer rapportering av hvordan automatiseringsverktøy ble integrert i den generelle studieutvelgelsesprosessen, samt bruk av maskinlæring i screeningprosessen og hvilken validering som ble utført for å forstå risikoen for tapte studier eller feilklassifiseringer.6 
Undersøkelser av beslutningstakere i helsevesenet viser at det er økende komfort med AI-verktøy for evidensaggregering og oppsummering av bevis. Det er imidlertid fortsatt legitime bekymringer om sikkerhet og personvern ved bruk av AI-verktøy, samt mulig skjevhet utilsiktet introdusert av anmeldere. Videre er det viktig å understreke at AI krever betydelige innspill fra forskere og medisinske eksperter, og at det er viktig å sikre nøyaktighet når man forsker på temaer som kan påvirke folks helse og helsetjenester.

Noen av disse bekymringene kan løses ved å bruke arbeidsflyter for litteraturgjennomgang der validerte AI-verktøy veiledes av erfarne forskere. Menneske-i-løkken kvalitetskontroller gir også en måte å redusere risiko og opprettholde forskningsintegritet på. Det er rom for at AI kan modnes som et nøkkelverktøy for litteraturgjennomganger under forutsetning av at det er et solid grunnlag for opplæring og validering i utviklingen. 

Passende og pålitelige AI-aktiverte verktøy som er rettet mot de ulike delene av bevisgenereringsprosessen kan gå langt for å fjerne noe av byrden, og gi bedrifter innsikten de trenger for å nå sine markedstilgangsmål. 

Om forfatterne

Kimberly Ruiz er Senior Director, Evidence Generation and Value Communication hos Cencora. Hun leder team av forskere i gjennomføring av systematiske og målrettede litteraturgjennomganger, og ulike typer medisinsk kommunikasjonsarbeid, inkludert vitenskapelige publikasjoner og dossierutvikling. Hun har mer enn 20 års erfaring som forsker innen konsulent-, bedrifts- og ideelle sektorer i helsevesenet.

Malia Gill er leder for bevisgenerering og verdikommunikasjon hos Cencora. Hun gjennomfører systematiske og målrettede litteraturoversikter for å gi en helhetlig forståelse av trender i litteraturgrunnlaget. Arbeidet hennes støtter HTA-bidrag, metaanalyser, økonomiske og epidemiologiske modeller og vitenskapelige publikasjoner.
Kimberly Ruiz
Senior Director, Evidence Generation and Value Communication, Cencora
headshot for Malia Gill
Malia Gill
Leder, bevisgenerering og verdikommunikasjon, Cencora

Denne artikkelen oppsummerer Cencoras forståelse av emnet basert på offentlig tilgjengelig informasjon i skrivende stund (se oppførte kilder) og forfatternes ekspertise på dette området. Eventuelle anbefalinger gitt i artikkelen gjelder kanskje ikke for alle situasjoner og utgjør ikke juridisk rådgivning. Lesere bør ikke stole på artikkelen når de tar avgjørelser knyttet til temaene som diskuteres.

Rapport

Forutse de viktigste trendene for markedstilgang globalt for 2025

Helselandskapet i 2025 er klar for betydelige endringer. Cencoras rapport, «Anticipating the top market access trends globally for 2025», fremhever viktige trender som vil påvirke pasientenes tilgang til innovative behandlinger.

Nøkkelinnsikt inkluderer å navigere i globale policyendringer, forstå den utviklende dynamikken mellom produsenter og betalere, håndtere prispress på legemidler, utnytte digital kommunikasjon for interessentengasjement og øke rettferdigheten i helsevesenet i USA

Ta kontakt med teamet vårt

Vårt team av ledende verdieksperter arbeider iherdig med å omsette bevis, policy-innsikt og markedsinformasjon til effektive tilgangsstrategier for det globale markedet. Vi hjelper deg med å finne frem i dagens komplekse helsevesen. Kontakt oss, så hjelper vi deg med å nå målene dine.

 
Referanser:

 1. OCEBM Levels of Evidence, Senter for kunnskapsbasert medisin. https://www.cebm.ox.ac.uk/resources/levels-of-evidence/ocebm-levels-of-evidence
 2. Litteratursøktilnærminger i en tid med økende publiseringsvolum, ISPOR poster. https://www.ispor.org/docs/default-source/euro2024/isporeurope24cadarettesa57poster146827-pdf.pdf?sfvrsn=39a72ef6_0
3. Hvor mye kan vi spare ved å bruke kunstig intelligens i bevissyntese? Resultater fra en pragmatisk gjennomgang for å kvantifisere arbeidsbelastningseffektivitet og kostnadsbesparelser, Front Pharmacol. januar 2025 . https://pmc.ncbi.nlm.nih.gov/articles/PMC11826052/
 4. Bruk av kunstig intelligens i bevisgenerering: FIN posisjonserklæring. https://www.nice.org.uk/about/what-we-do/our-research-work/use-of-ai-in-evidence-generation--nice-position-statement
 5. PRISMA 2020-erklæringen: en oppdatert retningslinje for rapportering av systematiske oversikter, BMJ, 2021. https://www.bmj.com/content/372/bmj.n71
 6. PRISMA 2020 utvidet sjekkliste. https://www.bmj.com/content/bmj/suppl/2021/03/29/bmj.n71.DC1/pagm061899.w2.pdf

 

Related resources

Veileder

HEOR Fundamental Education-serien
Lær mer

Artikkel

Innsikt fra ISPOR 2024: Se etter forbedringer i verktøy som brukes i systematiske oversikter
Lær mer

Veileder

Sjekkliste: Hvorfor du trenger en læringsløsningspartner med ekspertise innen markedstilgang og refusjon
Lær mer

Cencora.com tilbyr automatiserte oversettelser for å hjelpe deg med å lese nettstedet på andre språk enn engelsk. Mye arbeid er lagt ned i disse oversettelsene for å gjøre dem nøyaktige, men ingen automatisert oversettelse er perfekt, og slike oversettelser er heller ikke ment å erstatte menneskelige oversettere. Disse oversettelsene leveres som en tjeneste til brukere av Cencora.com og leveres «som de er». Det gis ingen garanti av noe slag, verken uttrykt eller underforstått, med hensyn til nøyaktigheten, påliteligheten eller riktigheten av noen av disse oversettelsene som er gjort fra engelsk til andre språk. Det kan hende at noen typer innhold (som bilder, videoer, Flash osv.) er unøyaktig oversatt på grunn av begrensningene i oversettelsesprogramvaren.

Eventuelle avvik eller forskjeller som oppstår ved oversettelse av dette innholdet fra engelsk til et annet språk, er ikke bindende og har ingen juridisk virkning for samsvar, håndhevelse eller andre formål.  Kontakt oss dersom du oppdager feil. Se den engelske versjonen av siden dersom du er i tvil om hvorvidt informasjonen i disse oversettelsene er nøyaktig.