Các "ngân hàng bằng chứng" khoa học

Các nhà hoạch định chính sách “có nhu cầu rất lớn” với các bản tổng hợp kết quả nghiên cứu liên quan đến việc xây dựng các chính sách. "Nhưng hiện nay các nhà khoa học chưa thể đáp ứng được", Jen Gold, Giám đốc Nghiên cứu tại Hội đồng Nghiên cứu kinh tế và Xã hội (ESRC), một cơ quan tài trợ của Anh, cho biết.

Tổng hợp bằng chứng cũng cần rất nhiều công sức, để gom mọi bằng chứng, căn cứ về cách giải quyết một vấn đề quan trọng về một nơi. Đơn cử, trong y học, các bác sĩ thường sử dụng hàng nghìn bài đánh giá có hệ thống - tổng hợp tỉ mỉ các nghiên cứu như thử nghiệm thuốc ngẫu nhiên - để chỉ ra liệu một phương pháp điều trị có hiệu quả hay gây hại. Nhưng hầu hết các lĩnh vực khác đều không có nền tảng tổng hợp như vậy. Có thể mất rất nhiều tháng hoặc nhiều năm để trích xuất, tổng hợp được ý nghĩa từ một khối lượng lớn các nghiên cứu – và thực tế là các nhà tài trợ trước đây đã chi rất ít tiền cho việc tổng hợp kiến thức so với hàng tỷ USD mà họ chi cho nghiên cứu mới.

Để bắt đầu khắc phục điều đó, Hội đồng nghiên cứu kinh tế và xã hội (ESRC) và Wellcome, đơn vị tài trợ nghiên cứu y sinh tại London, đã công bố vào ngày 21/9 mới đây, rằng hai tổ chức này sẽ đầu tư lần lượt 9,2 triệu bảng Anh và khoảng 45 triệu bảng Anh trong 5 năm vào các cơ sở dữ liệu và công cụ có thể giúp tổng hợp nghiên cứu. Bộ trưởng Bộ Khoa học Anh Patrick Vallance và Giám đốc Wellcome John-Arne Røttingen đã công bố khoản tài trợ tại một sự kiện ở New York liên quan đến Hội nghị thượng đỉnh Tương lai của Liên Hợp Quốc - một hội nghị nhằm cố gắng định hình một thế giới tốt đẹp hơn, bao gồm cả thông qua khoa học.

Các nhà nghiên cứu rất hoan nghênh tin này - được cho là một trong những khoản đầu tư lớn nhất cho việc tổng hợp bằng chứng đến nay, và cũng rất kịp thời vì những tiến bộ của trí tuệ nhân tạo (AI) đang đẩy nhanh quá trình tìm kiếm và tổng hợp các nghiên cứu.

“Thật thú vị”, Isabelle Mercier, một nhà nghiên cứu tại Chương trình Phát triển Liên Hợp Quốc, người đã ủng hộ việc tổng hợp bằng chứng tại Liên Hợp Quốc, cho biết. “Bốn năm trước, quá lớn để nghĩ đến điều này, nhưng bây giờ chúng ta bắt đầu thấy rằng chúng ta thực sự có thể làm được”, bà nói.

Nhưng AI cũng khiến nhiệm vụ này trở nên khó khăn hơn, vì các chatbot AI như ChatGPT có thể tạo ra các bản tóm tắt nghiên cứu thoạt nghe có vẻ đáng tin cậy nhưng có khả năng thiếu thông tin, gây hiểu nhầm hoặc thậm chí là “bịa” thông tin. Và thách thức là, làm thế nào để bạn làm cho những gì thực sự đáng tin cậy nổi bật so với những gì không đáng tin cậy?.

Khó khăn và tốn kém

Việc xây dựng được các bản tổng hợp thường lâu, khó khăn và tốn kém. Các nhà nghiên cứu thực hiện đánh giá có hệ thống phải tìm kiếm các cơ sở dữ liệu trên toàn thế giới về các tác phẩm đã công bố và sẽ công bố để tìm các nghiên cứu có khả năng liên quan. Sau đó, họ khoanh vùng danh sách dài hàng nghìn nghiên cứu xuống còn một số ít có liên quan nhất, đánh giá độ tin cậy của các nghiên cứu, trích xuất dữ liệu và kết hợp các kết quả, đôi khi sử dụng phương pháp thống kê gọi là phân tích tổng hợp.

Vấn đề trở nên nghiêm trọng trong đại dịch COVID-19, khi các nhà quản lý ở khắp nơi đều muốn tổng hợp nhanh để đưa ra quyết định về thuốc, khẩu trang và lệnh phong tỏa. Lúc đầu, các nhà khoa học không thể cung cấp đủ nhanh nhưng sau đó họ lại tạo ra quá nhiều bản tổng hợp trùng lặp và có cả các bản đánh giá dựa trên các nghiên cứu chất lượng chưa tốt. Ước mơ của các nhà khoa học là bất kỳ ai, ở bất kỳ đâu, cũng có thể tập hợp một bản tổng hợp phù hợp với câu hỏi và khu vực của họ trên thế giới, nhanh chóng và đơn giản, như một cú click chuột tìm kiếm.

Để thực hiện được điều này, các nhà nghiên cứu muốn có “ngân hàng bằng chứng”: cơ sở dữ liệu chung về các nghiên cứu được chọn trước được gắn thẻ thông tin, chẳng hạn như phương pháp và địa điểm, và với dữ liệu ở định dạng chung.

Các công cụ AI sẽ thực hiện hầu hết các công việc khó khăn trong việc phân loại các nghiên cứu và tổng hợp dữ liệu, còn việc kiểm tra chất lượng sẽ do con người thực hiện – chẳng hạn như bằng cách đánh giá rằng trong các nghiên cứu cơ bản được tổng hợp có sự thiên vị (bias) nào không. Một số cơ sở dữ liệu đang trong quá trình thực hiện. Quỹ Tài trợ giáo dục (EEF), một tổ chức từ thiện ở London, có cơ sở dữ liệu gồm hơn 3.500 nghiên cứu giáo dục. Sử dụng cơ sở dữ liệu này, Quỹ này đã xây dựng một loạt các đánh giá có hệ thống cho thấy tác động của việc học thêm, bài tập về nhà và quy mô lớp học đối với việc học. Quỹ chia sẻ cơ sở dữ liệu và các đánh giá với một số quốc gia để tránh những quốc gia khác phải lặp lại công việc.

Giờ đây với các khoản đầu tư mới nhất của các nhà tài trợ cuối cùng có thể đem đến một loạt các cơ sở dữ liệu tương tự như EEF, xây dựng các bản tổng hợp cho các lĩnh vực chính sách quan trọng cấp thiết chẳng hạn như bảo vệ môi trường sống. Từ những cơ sở dữ liệu này, nhiều nhà khoa học muốn xây dựng các ngân hàng tổng hợp bằng chứng “sống” theo thời gian thực - hoặc liên tục được cập nhật – về rất nhiều vấn đề như giảm tác động của biến đổi khí hậu, cải thiện sức khỏe tâm thần hay thúc đẩy việc làm cho thanh niên.

Quỹ Wellcome có ý định tài trợ cho các tập đoàn phát triển các nền tảng dữ liệu và công cụ giúp đạt được mục tiêu đó. Tariq Khokhar, người đứng đầu bộ phận dữ liệu khoa học và sức khỏe tại tổ chức này cho biết “đây thực sự là nền tảng để bất kỳ ai cũng có thể xây dựng”.

ESRC có kế hoạch tài trợ cho một tập đoàn để đẩy nhanh quá trình tổng hợp bằng chứng và phát triển các phiên bản dùng thử trong các lĩnh vực như già hóa mạnh khỏe. Bình luận về việc này, Khokhar cho biết hai nỗ lực này sẽ khác nhau nhưng cũng có thể chồng chéo lên nhau.

ESRC cũng muốn liên minh phát triển các cách thức giúp các nhà hoạch định chính sách dễ dàng sử dụng tổng hợp bằng chứng hơn. Ví dụ, một số công chức Anh đang bắt đầu sử dụng công cụ AI Redbox Copilot để phân tích và tóm tắt các bài báo và bài phát biểu của chính phủ. Gold cho biết các nhà nghiên cứu có thể xây dựng các công cụ đưa “bằng chứng đánh giá có hệ thống vào quy trình đó”.

Các khoản đầu tư ban đầu hiện nay, sẽ không đủ để đạt được loại tổng hợp bằng chứng liền mạch mà các nhà khoa học và nhà quản lý hằng mơ ước. Nhưng các nhà tài trợ hy vọng khoản đầu tư ban đầu này sẽ là “vốn mồi” khuyến khích các nhà tài trợ khác tham gia.

Nguồn: Nature634, 16-17 (2024)
doi: https://doi.org/10.1038/d41586-024-03100-2