Badania medyczne mają problem, o którym rzadko mówi się na pierwszych stronach gazet: infrastruktura, która za nimi stoi, nie nadążyła za skalą zadań, jakie muszą realizować badacze.
W PubMed znajduje się ponad 36 milionów artykułów. Każdego dnia publikowane są kolejne tysiące. Klinicysta próbujący odpowiedzieć na jedno pytanie dotyczące dowodów — na przykład, czy dana terapia jest skuteczna w określonej populacji — może być zmuszony przejrzeć setki prac, ocenić jakość badań, porównać sprzeczne wyniki i zsyntetyzować to wszystko w coś, co da się wykorzystać w praktyce. Większość dostępnych mu narzędzi nie została zaprojektowana do tego celu.
Założyliśmy mineris, ponieważ wierzymy, że może to działać zasadniczo lepiej.
Zwiększać rzetelność badań medycznych
Błędy w syntezie dowodów nie mają charakteru wyłącznie akademickiego — wpływają na decyzje terapeutyczne, wytyczne kliniczne i wyniki leczenia pacjentów. Gdy przegląd systematyczny pomija istotne badanie lub błędnie ocenia jakość dowodów, konsekwencje odczuwalne są dalej, w rzeczywistej praktyce.
Budujemy systemy wyszukiwania i rankingowania dostrojone specjalnie do literatury biomedycznej. Nie jest to wyszukiwarka ogólnego przeznaczenia, która przy okazji indeksuje PubMed, lecz infrastruktura zaprojektowana z myślą o konkretnym celu — rozumiejąca projekt badania, charakterystykę populacji oraz strukturę dowodów medycznych. Cel jest prosty: gdy badacz zadaje pytanie, odpowiedź powinna być oparta na źródłach, kompletna i weryfikowalna.
Pozwalać specjalistom skupić się na ich pracy
Badacze nie szkolili się latami po to, by stać się ekspertami od wyszukiwania po słowach kluczowych i zarządzania arkuszami kalkulacyjnymi. Kształcili się po to, by rozumieć biologię, oceniać dowody i podejmować decyzje poprawiające zdrowie.
Zbyt dużą część swojego czasu poświęcają zadaniom mechanicznym — przeformatowywaniu cytowań, ręcznemu przesiewaniu tytułów, przenoszeniu danych między narzędziami. Chcemy zdjąć z nich ten ciężar. Nie zastępując ich osądu, lecz przejmując te części procesu, które go nie wymagają.
Gdy badacz siada do pracy z mineris, powinien móc poświęcać swój czas na myślenie, a nie na klikanie.
Budować zaawansowane symulacje organizmu człowieka
To jest wizja długoterminowa. W miarę jak udoskonalamy sposób wyszukiwania, strukturyzowania i łączenia dowodów, zmierzamy ku czemuś większemu: modelom obliczeniowym zdolnym symulować aspekty biologii człowieka na poziomie użytecznym dla badań i decyzji klinicznych.
To nie jest science fiction. Zaczyna się od lepszych grafów wiedzy, lepszych reprezentacji zależności fizjologicznych oraz lepszej integracji dowodów z różnych dziedzin — farmakologii, genomiki, badań klinicznych, epidemiologii. Każdy element infrastruktury, który budujemy dzisiaj, jest krokiem w stronę tego celu.
Pomagać badaczom lepiej wykonywać swoją pracę
Nie postrzegamy mineris jako zamiennika ludzkiej wiedzy eksperckiej. Widzimy w nim sposób na jej wzmocnienie.
Początkujący badacz korzystający z mineris powinien być w stanie przeprowadzić przegląd literatury spełniający rygor pracy doświadczonego specjalisty. Klinicysta bez dedykowanego zespołu badawczego powinien móc odpowiadać na pytania dotyczące dowodów z taką samą pewnością jak osoba pracująca w wiodącym ośrodku akademickim. Narzędzia powinny podnosić poprzeczkę u podstaw, a nie służyć jedynie tym, którzy już są na szczycie.
Na co przeznaczamy nasze pieniądze
Nie budujemy mineris po to, by optymalizować marże. Każda zarobiona przez nas złotówka wraca do platformy i szerszej misji: przeprowadzenia specjalistów medycznych na kolejny poziom tego, co jest możliwe.
Oznacza to inwestowanie w lepsze modele, lepsze potoki danych i lepsze interfejsy. Oznacza utrzymywanie sensownego planu darmowego i uczciwych planów płatnych. I oznacza nieustanne skupienie na badaczach i klinicystach, którzy naprawdę z tego korzystają — a nie na wskaźnikach, które dobrze wyglądają w prezentacji dla inwestorów.
Czego oczekiwać od tego bloga
To tutaj będziemy dzielić się więcej informacjami o naszych badaniach, o tym, jak funkcjonujemy jako zespół, i nad czym pracujemy. Spodziewaj się wpisów o metodach wyszukiwania, potokach syntezy dowodów, decyzjach inżynierskich oraz problemach, które rozwiązujemy po drodze.
Przed nami znacznie więcej. Dopiero zaczynamy.