Архив категорий Направления

Доказательная медицина: тоталитарная секта или рейдерский захват? Анализ 20 млн публикаций

Доказательная медицина может стать важным направлением исследований для объективной разработки действительно эффективных методов лечения и диагностики. В настоящее время, однако, данная область в значительной степени захвачена опытными манипуляторами общественным сознанием. Что значит “в значительной степени”? Каким образом “захвачена”? Какие есть для этого доказательства? Исследование в стиле “большие данные” (массив 20 млн англоязычных публикаций), проведенное на основе топологической теории распознавания, позволило получить ответы на эти и многие другие вопросы [1].

В работе [1] каждое из 20 млн исследований оценивалось по комплексной шкале (т.н. β–балл), включающей данные по 16 классам эмоционально-нагруженных конструкций английского языка: манипулятивные обороты речи, исследования без положительных результатов, пропаганда, подделка результатов, негативное личное отношение, агрессивность текста, негативный эмоциональный фон и др. Значение бета-балла меньше нуля соответствует преобладанию манипулятивного языкового фона над содержательным.

Оказалось, что почти 4 млн (точнее, 3.68 млн) из 20 млн публикаций в базе данных PUBMED содержат чёткие следы эмоциональной манипуляции (β–балл<0). Напомним, что PUBMED – это не сайт блоггеров, не желтая пресса, а база данных, содержащая НАУЧНЫЕ публикации из журналов, которые зарегистрированы одновременно в ресурсах SCOPUS и WEB-OF-SCIENCE. При таком жестком отборе публикаций в PUBMED очень странно наблюдать, что 20% из этих публикаций, оказывается, занимаются манипуляцией сознанием на примитивном уровне англоязычной жёлтой прессы…

Еще более интересным фактом является тот, что эти манипуляции сосредоточены в достаточно узком круге тематических рубрик базы данных PUBMED – 3520 из 27840 рубрик. Манипулятивная англоязычная лексика наиболее распространена в публикациях в разделах «экономика» и «юриспруденция» (что, вообщем-то, неудивительно и даже вполне ожидаемо).

Весьма манипулятивными, однако, оказались и данные по медицинской статистике западных стран (β=–6,41), в т. ч. рассматривающие вопросы стоимости лекарств (β=–3,86), перспективы т. н. «планирования семьи» (β=–3,61), легализацию эвтаназии (β=–1,53) и т. п. (см. многие другие примеры в тексте статьи [1]). Чрезвычайно интересно отметить, что даже в случае статей из чисто публицистических изданий, каким-то образом попавших в PubMed (например, «Нью Йорк Таймс», рубрика «SO – N Y Times Web»), среднее значение β-балла было намного выше (β=–0,64), чем в случае отдельных якобы «научных» журналов (см примеры в [1]).

Наиболее неожиданной оказалась резко отрицательная динамика бета-балла для  рубрик PubMed, имеющих непосредственное отношение к доказательной медицине. Например,  до 2008 г. β-балл публикаций под такими рубриками колебался вблизи вполне приемлемых значений: +1,5…+2,2. После 2008 г. началось постоянное снижение значений β-балла, так что в 2013 г. средний β-балл публикаций в таких рубриках приобрел отрицательное значение. После 2013 г. началось ещё более стремительное падение значений β-балла (на 5,1 балла/год), так что к концу 2019 г. среднее значение β-балла составило –32,0. Столь резкое возрастание эмоциональной нагруженности публикаций по доказательной медицине за последние шесть лет полностью соответствуют концепции «рейдерского захвата доказательной медицины» (англ. hijack) т. н. «пиратами доказательности» [2].

И, наконец, наибольшими положительными значениями β-балла, т.е. наименьшей степенью эмоциональной манипуляции, отличались публикации по спортивной медицине, системной биологии и нутрициологии, биофизике, математическим методам в биологии и медицине, в т. ч. математическим методам «искусственного интеллекта» и «машинного обучения» [1]. Таким образом, сентимент-анализ значительной части от всех имеющихся научных публикаций по биомедицине дает обильную пищу о размышлениях относительно науки, псевдонауки и лженауки

Источник: ANTIFAKE.

Более подробная информация о результатах данного исследования представлена на сайте antifake-news.ru

  1. Торшин И.Ю., Громова О.А., Стаховская Л.В., Ванчакова Н.П., Галустян А.Н., Кобалава Ж.Д., Гришина Т.Р., Громов А.Н., Иловайская И.А., Коденцова В.М., Калачева А.Г., Лиманова О.А., Максимов В.А., Малявская С.И., Мозговая Е.В., Тапильская Н.И., Рудаков К.В., Семенов В.А. Анализ 19,9 млн публикаций базы данных PubMed/MEDLINE методами искусственного интеллекта: подходы к обобщению накопленных данных и феномен “fake news”. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2020;13(2):146-163. https://doi.org/10.17749/2070-4909/farmakoekonomika.2020.021 [Torshin I.Yu., Gromova O.A., Stakhovskaya L.V., Vanchakova N.P., Galustyan A.N., Kobalava Z.D., Grishina T.R., Gromov A.N., Ilovaiskaya I.A., Kodentsova V.M., Kalacheva A.G., Limanova O.A., Maksimov V.A., Malyavskaya S.I., Mozgovaya E.V., Tapilskaya N.I., Rudakov K.V., Semenov V.A. Analysis of 19.9 million publications from the PubMed/MEDLINE database using artificial intelligence methods: approaches to the generalizations of accumulated data and the phenomenon of “fake news. FARMAKOEKONOMIKA. Modern Pharmacoeconomic and Pharmacoepidemiology. 2020;13(2):146-163. (In Russ.) ]
  2. Ioannidis J. P.A. Hijacked evidence-based medicine: stay the course and throw the pirates overboard. J Clin Epidemiol. 2017 Apr; 84: 11–13. DOI: https://dx.doi.org/10.1016/j.jclinepi.2017.02.001.</p>

Большие данные и доказательная медицина

В подавляющем большинстве клинических исследований, публикуемых в высокоцитируемых реферируемых журналах, отмечается крайний примитивизм. И это несмотря на чрезвычайную сложность данных реальных биомедицинских исследований – от тысяч до миллионов разнородных признаковых описаний, десятки-сотни тысяч пациентов.

Тем не менее, вместо комплексного, in-depth, интеллектуального анализа данных, публикуемые результаты исследований чрезвычайно загрублены: из всего массива закономерностей (сотни тысяч) выделяются, как правило,  1-2  (т. н. «первичная точка исследования», англ. primary outcome), которые почему-то «особо интересны» для исследователя (как правило, вследствие интересов коммерческого плана), и анализируется их статистическая значимость обычными методами математической статистики. Остальные корреляции просто игнорируются как «не имеющие интереса».

Важными научно-техническими причинами столь безответственного отношения к анализу интересных и сложных биомедицинских данных является (1) нежелание использовать методы комплексного анализа сложных разнородных данных, (2) густопсовое невежество относительно таких методов и (3) обсессивно-компульсивное использование уже имеющихся статистических эвристик, выбранных произвольно просто из соображений «удобства». В случае анализа сверхбольших данных, такого рода “подход” абсолютно неприемлем, особенно если идёт речь о т.н. «доказательной медицине».

Алгоритмы анализа «сверхбольших данных»

Математической основой для разработки новейших подходов к анализу сверхбольших данных являются:

  • топологический подход к анализу плохо-формализованных задач распознавания и классификации,
  • метрический подход к анализу разнородных признаковых описаний,
  • теория анализа размеченных графов,
  • алгебраический подход к синтезу корректных алгоритмов,
  • комбинаторная теория разрешимости,
  • теория классификации значений признаков,
  • метрическая теория корректности и полноты алгоритмов.

Фармакоинформатика

Фармакоинформационный подход к разработке перспективных препаратов, к оценке эффектов имеющихся лекарственных препаратов подразумевает использование методов интеллектуального анализа разнородных биомедицинских данных, методов молекулярной фармакологии и биоинформатики, хемоинформатики, анализ сверхбольших массивов биомедицинских публикаций, разработку эффективных методов обработки сверхбольших массивов данных, получаемых в результате исследования живых систем современными высокопроизводительными (high-throughput) методами и др. В Институте фармакоинформатики при ФИЦ ИУ РАН разрабатываются, апробируются и практически применяются методы и алгоритмы анализа «сверхбольших данных» из области биомедицины и фармакологии.