Компьютерный анализ эмоциональной модальности 20 млн публикаций в базе данных PUBMED указывает на пути повышения эффективности фармакотерапии посредством идентификации псевдонаучных публикаций, направленных на негативную эмоциональную «накачку» врачей

Поиск оригинальных публикаций по фундаментальной и клинической медицине наивысшего научного качества – насущная необходимость для каждого врача-исследователя. Такие публикации принципиально необходимы, в частности, для разработки надёжных стандартов лечения. Существенной подмогой в решении этой задачи являются англоязычные ресурсы PUBMED и EMBASE. Однако существует очевидная проблема оценки качества находимых исследований. В работе сформулирована методика анализа текстов биомедицинских публикаций, в основе которой лежит алгоритмическая оценка эмоциональной модальности медицинских текстов (т. н. сентимент-анализа). Применение топологической теории анализа данных позволило разработать комплекс высокоточных алгоритмов для выявления 16 типов сентиментов (манипулятивные обороты речи, исследования без положительных результатов, пропаганда, подделка результатов, негативное личное отношение, агрессивность текста, негативный эмоциональный фон и др.). На основе разработанных алгоритмов получена балльная шкала оценки сентимент-качества исследований, которую мы назвали «β-баллом»: чем выше β-балл, тем в меньшей степени оцениваемый текст содержит манипулятивные языковые конструкции. В результате разработана и апробирована система ANTIFAKE (http://antifake-news.ru), предназначенная для анализа сентимент-качества англоязычных научных текстов. Анализ ~20 млн абстрактов из PUBMED показал, что публикации с низким сентимент-качеством (β-балл которые направлены на (1) легализацию этически порочных практик (эвтаназия, т. н. «контроль популяций» и т. п.), (2) дискредитацию психиатрии как науки, (3) медийную войну против микронутриентов и (4) дискредитацию доказательной медицины под видом разработки т. н. «международных стандартов доказательной медицины». В целом, разработанная система искусственного интеллекта позволяет отфильтровывать псевдонаучные публикации, текст которых перегружен эмоциональной манипуляцией и которые публикуются под маской «доказательных стандартов».

1. Sanders S, Del Mar C. Clever searching for evidence. BMJ. 2005;330(7501):1162-3. DOI: 10.1136/bmj.330.7501.1162.

2. Ramos K, Linscheid R, Schafer S. Real-time information-seeking behavior of residency physicians. Fam Med. 2003;35(4):257–260.

3. Torshin IYu. Bioinformatics in the post-genomic era: physiology and medicine. Nova Biomedical Books, NY, USA (2007). ISBN 1-60021-048-1.

4. Громова О.А., Торшин И.Ю. Витамин D. Смена парадигмы, 2-е издание, переработанное и дополненное / Под ред. Е. И. Гусев, И. Н. Захарова). Москва : ГЭОТАР-Медиа; 2021. – 736 с. ISBN 978-5-9704-5787-0.

5. Stewart Chaplin. “The Stained Glass Political Platform”. The Century Magazine, USA, 1900.

6. Summers E. Weasel Words: 200 Words You Shouldn't Trust: 200 Words You Can't Trust. Chambers (Ed.), Slang & Idiom Dictionaries, 2009. ISBN13: 978-0550104762.

7. Watson D. Watson's Dictionary of Weasel Words, Contemporary Cliches, Cant and Management Jargon. Knopf; 1st Ed. 2004. ISBN-10: 1740513215, ISBN-13: 978-1740513210.

8. Torshin IYu, Rudakov KV. Combinatorial analysis of the solvability properties of the problems of recognition and completeness of algorithmic models. Part 1: factorization approach. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2017;27(1):16–28. DOI: 10.1134/S1054661817010151.

9. Torshin IYu, Rudakov KV. Combinatorial analysis of the solvability properties of the problems of recognition and completeness of algorithmic models. Part 2: metric approach within the framework of the theory of classification of feature values. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2017;27(2):184–199. DOI: 10.1134/S1054661817020110.

10. Torshin IYu. Optimal dictionaries of the final information on the basis of the solvability criterion and their applications in bioinformatics. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2013;23(2):319-327. DOI: 10.1134/S1054661813020156.

11. Torshin IYu, Rudakov KV. On the theoretical basis of the metric analysis of poorly formalized problems of recognition and classification. Pattern Recognition and Image Analysis. 2015;25(4):577–587. DOI: 10.1134/S1054661815040252.

12. Torshin IYu, Rudakov KV. On metric spaces arising during formalization of problems of recognition and classification. Part 1: properties of compactness. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2016;26(2):274–284. DOI: 10.1134/S1054661816020255.

13. Torshin IYu, Rudakov KV. On metric spaces arising during formalization of problems of recognition and classification. Part 2: density properties. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2016;26(3):483–496. DOI: 10.1134/S1054661816030202.

14. Torshin IYu, Rudakov KV. On the application of the combinatorial theory of solvability to the analysis of chemographs. Part 1: fundamentals of modern chemical bonding theory and the concept of the chemograph. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2014;24(1):11–23. DOI: 10.1134/S1054661814010209.

15. Torshin IYu, Rudakov KV. On the application of the combinatorial theory of solvability to the analysis of chemographs. Part 2: local completeness of invariants of chemographs in view of the combinatorial theory of solvability. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2014;24(2):196-208. DOI: 10.1134/S1054661814020151.

16. Torshin IYu, Rudakov KV. On the Procedures of Generation of Numerical Features Over Partitions of Sets of Objects in the Problem of Predicting Numerical Target Variables. Pattern Recognition and Image Analysis. 2019;29(4):654–667. DOI: 10.1134/S1054661819040175.

17. Чернышев В. М. Меч Обоюдоострый. Конспект по Сектоведению. – М.: Нобель Пресс; 2011; – 138 с. ISBN 9785424134425.

18. Дворкин А.Л. Сектоведение: Тоталитарные секты. Опыт систематического исследования. 3-е изд., перераб. и доп. – Нижний Новгород: Христианская библиотека; 2014; 816 с. ISBN 978-5-905472-03-9, 978-5-905472-21-3.

19. Okter A. Mastermind: The Truth of the British Deep State. Arashtirma Publishing. 2017; 698 pp.

20. Поппер К.Р. Предположения и опровержения: Рост научного знания: Пер. с англ. / К.Р. Поппер. – М.: ООО «Издательство ACT»: ЗАО НПЛ «Ермак»; 2004. – 638 с. ISBN 5-17-012641-7; ISBN 5-9577-0652-3.

21. Арнольд В., Ильяшенко Ю., Аносов Д. и др. Динамические системы – 1. Итоги науки и техн. Сер. Соврем. пробл. мат. Фундам. направления. – М.: ВИНИТИ. – 260 с.

22. Левенштейн В.И. Двоичные коды с исправлением выпадений, вставок и замещений символов // Доклады Академий Наук СССР. 1965;163(4):845-848.

23. Ioannidis JPA. Hijacked evidence-based medicine: stay the course and throw the pirates overboard. J Clin Epidemiol. 2017 Apr; 84:11-13. DOI: 10.1016/j.jclinepi.2017.02.001.

24. Ioannidis JP. Evidence-based medicine has been hijacked: a report to David Sackett. J Clin Epidemiol. 2016 May; 73:82–86. DOI: 10.1016/j.jclinepi.2016.02.012.

25. Møller MH, Ioannidis JPA, Darmon M. Are systematic reviews and meta-analyses still useful research? We are not sure. Intensive Care Med. 2018 Apr; 44(4):518-520. DOI: 10.1007/s00134-017-5039-y.

26. Cochrane is a registered trademark in Australia, Canada, the European Community and the USA. 2017-09-19.

27. Торшин И.Ю., Громова О.А., Кобалава Ж.Д. «Об ошибках метаанализов сердечно-сосудистых эффектов омега-3 ПНЖК. Часть 1. Фармакологические и клинические аспекты доказательности в эпоху постгеномных исследований, искусственного интеллекта и анализа больших данных» // Эффективная фармакотерапия. 2019;15(9):26–34. DOI: 10.33978/2307-3586-2019-15-9-26-34.

28. Торшин И.Ю., Громова О.А., Кобалава Ж.Д. «Об ошибках метаанализов сердечно-сосудистых эффектов омега-3 ПНЖК. Часть 2. Интеллектуальный анализ данных и метаанализ клинически однородных исследований» // Эффективная фармакотерапия. 2019;15(9):36-43. DOI: 10.33978/2307-3586-2019-15-9-36-43.

29. Лиманова О.А., Торшин И.Ю., Калачева А.Г. и др. Обеспеченность микронутриентами и женское здоровье: интеллектуальный анализ клинико-эпидемиологических данных // Вопросы гинекологии, акушерства и перинатологии. 2014;13(2):5-15.

30. Громова О.А., Торшин И.Ю., Громов А.Н. и др. Интеллектуальный анализ данных по течению и исходу беременности: роли различных витаминно-минеральных комплексов // Медицинский алфавит. 2018;1(6):10–23.

31. Громова О.А., Торшин И.Ю. Витамин D. Смена парадигмы / Под ред. Е. И. Гусева, И. Н. Захаровой. – Москва : ГЭОТАР-Медиа; 2017. – 568 с. : ил. ; 25 см. – Библиогр. в конце гл. – 3000 (1-й з-д 500) экз. ISBN 978-5-9704-4058-2.

32. Hannemann A, Wallaschofski H, Nauck M et al. Vitamin D and health care costs: Results from two independent population-based cohort studies. Clin Nutr. 2018 Dec;37(6 Pt A):21490–2155. DOI: 10.1016/j.clnu.2017.10.014.

33. Механик А.Г. Искусственный интеллект на страже здоровья. Беседа вторая с О.А. Громовой и И.Ю. Торшиным // Стимул: Журнал об инновациях в России. 30 Октября 2019. [Электронный ресурс]. URL: https://stimul.online/articles/science-and-technology/iskusstvennyyintellekt-na-strazhe-zdorovya-beseda-vtoraya/. Дата обращения: 23.06.2020.

34. Национальная программа «Недостаточность витамина D у детей и подростков Российской Федерации: Современные подходы к коррекции». Москва, 2018. Союз педиатров России. ФГАУ «Национальный медицинский исследовательский центр здоровья детей» Минздрава России. ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Минздрава России. ФГБУН «Федеральный исследовательский центр питания, биотехнологии и безопасности пищи».

35. Krotov G, Nikitina M, Rodchenkov G. Possible cause of lack of positive samples on homologous blood transfusion. Drug Test Anal. 2014 Nov-Dec;6(11-12):1160–1162. DOI: 10.1002/dta.1736.

36. Allsopp K et al. Heterogeneity in psychiatric diagnostic classification. Psychiatry Res. 2019 Sep;279:15-22. DOI: 10.1016/j.psychres.2019.07.005.

37. Федин А.И. Президент РФ подписал закон о клинических рекомендациях. Невроньюс: новости Неврологии. 2019;1(51):1. [Fedin AI. Prezident RF podpisal zakon o klinicheskih rekomendaciyah. Nevron'yus: novosti Nevrologii. 2019;1(51):1. (In Russ).].

38. Журавлева Н.И., Шубина Л.С., Сухоруких О.А. Обзор методик оценки достоверности научных доказательств и убедительности рекомендаций, применяемых при разработке клинических рекомендаций в Российской Федерации // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2019;12(1):34–41. DOI: 10.17749/2070-4909.2019.12.1.34-41.

39. Омельяновский В.В., Федяева В.К., Мусина Н.З. Концепция многокритериального анализа принятия решений в текущей системе оценки технологий в здравоохранении России // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2018;11(3):003- 007. DOI: 10.17749/2070-4909.2018.11.3-003-007.

40. Хрусталев М.Б., Максимова А.А. Эффективный поиск научных разработок с инновационным потенциалом в медицине // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2019;12(1):27–33. DOI: 10.17749/2070-4909.2019.12.1.27–33.