博文

人工智能应用于文献综述：机遇与挑战

已有 320 次阅读 2024-12-4 10:15 |个人分类:科普|系统分类:科普集锦

人工智能应用于文献综述：机遇与挑战

系统文献综述（Systematic Literature Review，SLR）是一种严谨而有组织的方法，用于评估和整合先前对特定主题的研究。其主要目标是精心识别和评估与特定研究问题相关的所有相关文献，坚持严格协议以尽量减少偏见。这种方法最初出现在循证医学领域，随后被应用于其他不同研究学科，包括社会科学、工程和技术、教育、环境科学以及商业和管理。

SLR被认为是具有耗时和资源密集特点。这是由几个因素造成的，包括漫长过程（可能会持续一年以上）、组建领域专家团队的必要性、数据库订阅、专业软件和人员薪酬带来的重大财务影响、出版物数量不断增加，以及定期更新以保持相关性的需求。

在过去几十年里，已经开发了许多工具来支持甚至部分自动化SLR，旨在解决这些挑战。其中许多工具采用了人工智能（AI）解决方案，特别是筛选和数据提取阶段。自然语言处理（NLP）中出现了更复杂的人工智能技术，如大型语言模型（LLM），这进一步推动了人工智能与SLR工具的结合，这些技术有可能彻底改变这些系统。虽然有大量研究已经调查了SLR工具，相对较少的研究探讨了人工智能在这一领域的作用。此外，这些研究集中在有限的人工智能特征选择上。

最近，Bolaños等人进行了人工智能应用于的文献综述的调查，旨在通过严格检查人工智能技术在SLR半自动化中的应用。主要在两个主要应用阶段，即筛选和提取，来解决现有的差距。为此，作者们首先对之前的8项调查进行了分析，并确定了文献中最突出的特征。接下来，定义了一个分析框架，该框架集成了23个通用特性和11个与基于人工智能的功能相关特性。然后，选择了21个突出的SLR工具，并使用得到的框架对它们进行了严格分析。作者们广泛地讨论了当前的研究趋势、主要研究挑战和未来研究方向。特别关注了三个主要的研究挑战：(1)集成先进的人工智能解决方案，如大型语言模型和知识图谱；(2)增强可用性；(3)开发标准化评估框架。作者们还提出了一组最佳实践，以确保对性能、可用性和透明度进行更可靠评估。最后，对11个最近的工具进行了额外的分析，这些工具利用LLM功能（主要是通过OpenAI API的ChatGPT）来搜索文献和帮助学术写作。虽然这些工具并不直接迎合SLR，但它们的功能有可能集成到未来的SLR工具中。总之，本调查旨在为学者们提供一个深入了解人工智能在这一领域的应用，同时也突出了未来研究的潜在途径。

全文首先对SLR阶段及其与AI的关系的描述。然后概述了用来确定调查中讨论SLR工具的方法。其次，提供了先前关于SLR工具分析AI功能调查的元视图。此外，对21种工具进行了深入研究。讨论了关键的研究挑战，并提出了一些评估人工智能增强SLR工具的最佳实践，分析了旨在协助研究人员的最新一代LLM为基础的系统。

作者们采用PRISMA（系统评价和荟萃分析首选报告项目）标准方法进行和报告系统评价和荟萃分析。如图1所示，PRISMA图说明了该过程的主要阶段，并且使用了三种主要策略来识别工具。

图1关于人工智能强SLR工具的PRISMA

参考文献

[1] Bolaños, F., Salatino, A., Osborne, F. et al. Artificial intelligence for literature reviews: opportunities and challenges. Artif Intell Rev 57, 259 (2024). https://doi.org/10.1007/s10462-024-10902-3

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC