การค้นพบโดยใช้เอกสาร (Literature-based discoveryหรือ LBD) หรือที่เรียกว่าการค้นพบที่เกี่ยวข้องกับเอกสาร (Literature- related discovery หรือ LRD) เป็นรูปแบบหนึ่งของการสกัดความรู้และ การสร้าง สมมติฐาน อัตโนมัติ ที่ใช้เอกสารและสิ่งพิมพ์ทางวิชาการ อื่นๆ ("เอกสาร") เพื่อค้นหาความสัมพันธ์ใหม่ระหว่างความรู้ที่มีอยู่ ("การค้นพบ") การค้นพบโดยใช้เอกสารมีเป้าหมายเพื่อค้นพบความรู้ใหม่โดยการเชื่อมโยงข้อมูลที่ระบุไว้อย่างชัดเจนในเอกสารเพื่ออนุมานความเชื่อมโยงที่ไม่ได้ระบุไว้อย่างชัดเจน^{[ 1 ]}

LBD สามารถช่วยให้นักวิจัยค้นพบและสำรวจสมมติฐานได้อย่างรวดเร็ว รวมถึงได้รับข้อมูลเกี่ยวกับความก้าวหน้าที่เกี่ยวข้องทั้งภายในและภายนอกสาขาเฉพาะของตน และเพิ่มการแบ่งปันข้อมูลระหว่างสาขาวิชา^{[ 1 ]}

รูปแบบ LBD พื้นฐานและแพร่หลายที่สุดเรียกว่าแบบแผน ABCเนื่องจากมีศูนย์กลางอยู่ที่แนวคิดสามประการที่เรียกว่า A, B และ C ^{[ 2 ] [ 3 ] [ 4 ]}โดยระบุว่าหากมีการเชื่อมต่อระหว่าง A และ B และการเชื่อมต่อระหว่าง B และ C แล้ว ก็จะมีการเชื่อมต่อระหว่าง A และ C ซึ่งหากไม่ได้ระบุไว้อย่างชัดเจน ก็ยังต้องสำรวจต่อไป^{[ 1 ]}

เทคนิค LBD ได้รับการบุกเบิกโดยDon R. Swansonในช่วงทศวรรษ 1980 ^{[ 5 ]} เขาตั้งสมมติฐานว่าการรวมกันของผลลัพธ์ที่ตีพิมพ์แยกกันสองรายการที่ระบุความสัมพันธ์ AB และความสัมพันธ์ BC เป็นหลักฐานของความสัมพันธ์ AC ซึ่งยังไม่เป็นที่รู้จักหรือยังไม่ได้สำรวจ เขาใช้สิ่งนี้เพื่อเสนอให้ใช้น้ำมันปลาเป็นวิธีการรักษาโรค Raynaudเนื่องจากมีความสัมพันธ์ร่วมกันกับ ความ หนืดของเลือด^{[ 6 ]}สมมติฐานนี้ได้รับการพิสูจน์ในภายหลังว่ามีคุณค่าในการศึกษาเชิงคาดการณ์^{[ 7 ]} และเขายังคงเสนอการค้นพบอื่นๆ อย่างต่อเนื่องโดยใช้วิธีการที่คล้ายคลึงกัน^{[ 8 ] [ 9 ] [ 10 ] [ 1 ]}

การเชื่อมโยงแบบ Swansonเป็นคำที่เสนอในปี 2546 ^{[ 11 ]}ซึ่งหมายถึงการเชื่อมโยงความรู้สองส่วนที่ก่อนหน้านี้คิดว่าไม่เกี่ยวข้องกัน^{[ 12 ]}ตัวอย่างเช่น อาจทราบกันว่าโรค A เกิดจากสารเคมี B และยา C เป็นที่ทราบกันว่าช่วยลดปริมาณสารเคมี B ในร่างกาย อย่างไรก็ตาม เนื่องจากบทความที่เกี่ยวข้องได้รับการตีพิมพ์แยกจากกัน (เรียกว่า "ข้อมูลที่ไม่เกี่ยวข้องกัน") ความสัมพันธ์ระหว่างโรค A และยา C อาจไม่เป็นที่ทราบการเชื่อมโยงแบบ Swansonมีจุดมุ่งหมายเพื่อค้นหาความสัมพันธ์เหล่านี้และรายงาน

แม้ว่ารูปแบบ ABC จะถูกใช้กันอย่างแพร่หลาย แต่นักวิจารณ์ของระบบนี้โต้แย้งว่าวิทยาศาสตร์ส่วนใหญ่ไม่ได้ถูกบันทึกไว้ด้วยการยืนยันอย่างง่ายๆ แต่สร้างขึ้นจากการเปรียบเทียบและภาพในระดับนามธรรมที่ สูงกว่า ^{[ 13 ]}

LBD โดยทั่วไปมีสองรูปแบบ ได้แก่ การค้นพบแบบเปิดและการค้นพบแบบปิด ในการค้นพบแบบเปิดจะมีการกำหนด A เพียงอย่างเดียว วิธีการนี้จะค้นหา B และใช้ B เหล่านั้นเพื่อส่งคืน C ที่อาจน่าสนใจให้กับผู้ใช้ ซึ่งจะสร้างสมมติฐานจาก A ในการค้นพบแบบปิดจะมีการกำหนด A และ C ให้กับวิธีการนี้ ซึ่งจะพยายามค้นหา B ที่สามารถเชื่อมโยงทั้งสองเข้าด้วยกัน ซึ่งเป็นการทดสอบสมมติฐานเกี่ยวกับ A และ C ^{[ 1 ]}

ตลอดหลายปีที่ผ่านมา มีการพัฒนาระบบต่างๆ มากมายเพื่อทำการค้นหาเอกสารโดยอาศัยวรรณกรรม โดยต่อยอดจากแนวคิดดั้งเดิมของ Don Swanson และการประเมินคุณภาพของระบบเหล่านี้ถือเป็นหัวข้อวิจัยที่กำลังดำเนินการอยู่^{[ 14 ]}บางระบบมีเวอร์ชันบนเว็บเพื่อเพิ่มความเป็นมิตรต่อผู้ใช้^{[ 15 ]}แนวทางทั่วไปของหลายระบบคือการใช้คำศัพท์ MeSHเพื่อแสดงบทความทางวิทยาศาสตร์ ซึ่งระบบ Manjal, BITOLA และ LitLinker ใช้^{[ 16 ]}

ระบบหนึ่งที่เป็นที่รู้จักกันดีในสาขานี้เรียกว่าArrowsmithและได้รับการออกแบบมาเพื่อค้นหาการเชื่อมต่อระหว่างชุดบทความสองชุดที่ไม่เกี่ยวข้องกัน ซึ่งเป็นแนวทางที่เรียกว่าการค้นหาแบบ "สองโหนด" ^{[ 17 ] [ 18 ]}

ระบบที่รู้จักกันดีอีกระบบหนึ่งคือ LION LBD ^{[ 19 ]}ใช้ PubTator ^{[ 20 ]}สำหรับการระบุคำอธิบายประกอบบทความ ทางวิทยาศาสตร์ ของ PubMedด้วยแนวคิดต่างๆ เช่นสารเคมี ยีน/โปรตีนการกลายพันธุ์ โรคและสายพันธุ์รวมถึงการระบุคำอธิบายประกอบระดับประโยคของลักษณะเด่นของมะเร็งที่อธิบายกระบวนการและพฤติกรรมพื้นฐานของมะเร็ง^{[ 21 ]}โดยใช้เมตริกการเกิดร่วมกันเพื่อจัดอันดับความสัมพันธ์ระหว่างแนวคิดต่างๆ และดำเนินการค้นพบทั้งแบบเปิดและแบบปิด^{[ 1 ]}

ในขณะที่ระบบ LBD ใช้พื้นฐานจากวิธีการทางสถิติแบบดั้งเดิม^{[ 16 ]}ระบบอื่นๆ ใช้ประโยชน์จากวิธีการเรียนรู้ของเครื่อง ที่ซับซ้อน เช่น เครือข่ายประสาทเทียม [ ^{1 ] ระบบ} LBD บางระบบแสดงการเชื่อมต่อระหว่างแนวคิดเป็นกราฟความรู้และด้วยเหตุนี้จึงใช้เทคนิคของทฤษฎีกราฟ [ ^{22 ] การ}แสดงผลแบบกราฟยังเป็นพื้นฐานสำหรับระบบ LBD ที่ใช้ฐานข้อมูลกราฟเช่นNeo4J ทำให้สามารถค้นพบผ่านภาษาการสอบถาม กราฟเช่นCypher ^{[ 23 ]}

ระบบ LBD ที่ใช้กราฟแสดงความสัมพันธ์ระหว่างแนวคิดโดยใช้ประเภทความสัมพันธ์ที่แตกต่างกัน เช่น ในเครือข่ายความหมายUMLS ^{[ 24 ]}บางแนวทางก้าวไปไกลกว่านั้นและพยายามใช้ความสัมพันธ์ตามบริบท^{[ 25 ]} ซึ่งเป็นแนวทางที่ Gene Ontologyใช้ สำหรับการสร้างแบบจำลองกิจกรรมเชิง สาเหตุ(GO-CAM) เช่นกัน ^{[ 26 ]}

นอกจากการดึงข้อมูลจากเนื้อหาบทความทางวิทยาศาสตร์แล้ว ระบบ LBD มักใช้ความรู้ที่มีโครงสร้างจาก แหล่งข้อมูลทางชีววิทยา ที่ได้รับการดูแลโดยผู้เชี่ยวชาญเช่นOnline Mendelian Inheritance in Men (OMIM) ^{[ 27 ]}

นี่คือระบบ LBD ที่เผยแพร่แล้ว เรียงลำดับตามวันที่เผยแพร่: ^{[ 29 ]}

• 1986 - Arrowsmith ^{[ 6 ]}
• 2000 - BITOLA V1 ^{[ 30 ]}
• 2001 - พ่อ^{[ 31 ]}
• 2003 - LitLinker ^{[ 32 ]}
• 2004 - ACS ^{[ 33 ]}
• 2004 - มันจัล ^{[ 34 ]}
• 2004 - สีรุ้ง^{[ 35 ]}
• 2005 - BITOLA V2 ^{[ 36 ]}
• 2006 - LitLinker V2 ^{[ 37 ]}
• 2007 - Arrowsmith V2 ^{[ 38 ]}
• 2008 - ครบรอบ 2.0 ^{[ 28 ]}
• 2008 - CoPub Discovery ^{[ 39 ]}
• 2009 - RajoLink ^{[ 40 ]}
• 2010 - Sem-BT ^{[ 41 ]}
• 2015 - Obvio ^{[ 42 ]}
• 2016 - Spark ^{[ 43 ]}
• 2017 - ขุดช่องว่าง^{[ 44 ]}
• 2019 - LION LBD ^{[ 19 ]}

งานทั่วไปในการค้นพบจากวรรณกรรมคือการกำหนดคำ/แนวคิดให้กับประเภทความหมายต่างๆ แนวคิดอาจถูกจัดประเภทภายใต้ประเภทเดียวหรือหลายประเภท ตัวอย่างเช่น ในระบบภาษาทางการแพทย์แบบรวม (UMLS) คำว่าไมเกรนถูกจัดประเภทภายใต้ประเภทโรคและกลุ่มอาการในขณะที่คำว่าแมกนีเซียม อยู่ภายใต้สองประเภท ได้แก่สารออกฤทธิ์ทางชีวภาพและธาตุไอออนหรือไอโซโทป^{[ 16 ]}การกำหนดประเภทของแนวคิดช่วยให้การค้นพบความเชื่อมโยงระหว่างกลุ่มแนวคิดเฉพาะ เช่นโรค - ยีนหรือโรค - ยามี ประสิทธิภาพ มาก ขึ้น ^{[ 16 ]}

การประเมินการค้นพบตามวรรณกรรมเป็นเรื่องท้าทาย และรวมถึงทั้งวิธีการทดลองและวิธีการจำลองด้วยคอมพิวเตอร์^{[ 45 ]}วิธีการเหล่านี้พยายามวัดปริมาณความรู้ที่สร้างขึ้นโดยระบบ ซึ่งควรมีให้ในปริมาณและความสมบูรณ์ที่เป็นประโยชน์ต่อนักวิทยาศาสตร์^{[ 46 ]}

การประเมินเป็นเรื่องยากใน LBD ด้วยเหตุผลหลายประการ ได้แก่ ความไม่ลงรอยกันเกี่ยวกับบทบาทของระบบ LBD ในการวิจัย และด้วยเหตุนี้จึงทำให้ระบบใดประสบความสำเร็จ ความยากลำบากในการกำหนดว่าการค้นพบนั้นมีประโยชน์ น่าสนใจ หรือสามารถนำไปปฏิบัติได้จริงมากน้อยเพียงใด และความยากลำบากในการกำหนด " การค้นพบ " อย่างเป็นกลาง ซึ่งขัดขวางการสร้างชุดการประเมินมาตรฐานที่วัดปริมาณว่าการค้นพบนั้นได้รับการทำซ้ำหรือพบแล้วเมื่อใด^{[ 1 ]}

วิธีการที่นิยมใช้ใน LBD คือการจำลองการค้นพบก่อนหน้านี้^{[ 4 ] [ 47 ] [ 48 ]}โดยปกติแล้วจะเป็นการค้นพบที่อิงตาม LBD เนื่องจากสามารถวัดปริมาณได้ง่ายกว่าการค้นพบอื่นๆ มีการค้นพบดังกล่าวเพียงไม่กี่รายการ และวิธีการที่ปรับแต่งให้ทำงานได้ดีกับการค้นพบเหล่านี้อาจไม่สามารถนำไปใช้ได้ทั่วไป ในการประเมินประเภทนี้ จะใช้ เอกสารก่อนการค้นพบที่จะจำลองเพื่อสร้างรายการผู้สมัครการค้นพบที่จัดอันดับเป็นคำเป้าหมายหรือคำเชื่อมโยง ความสำเร็จจะวัดได้จากการรายงานอันดับของคำที่สนใจ ยิ่งอันดับสูง วิธีการก็ยิ่งดี

การแบ่งวรรณกรรมหรือการแบ่งตามช่วงเวลาเกี่ยวข้องกับการแบ่งวรรณกรรมที่มีอยู่ ณ จุดเวลาหนึ่ง จากนั้นระบบ LBD จะถูกนำไปใช้กับวรรณกรรมก่อนการแบ่ง และจะถูกประเมินโดยจำนวนการค้นพบในช่วงเวลาต่อมาที่สามารถค้นพบได้ ระบบ LBD ใช้การเกิดขึ้นร่วมกันของคำ^{[ 49 ]}ความสัมพันธ์จากแหล่งข้อมูลชีวการแพทย์ ภายนอก (เช่น SemMedDB) ^{[ 50 ]}และความสัมพันธ์เชิงความหมาย^{[ 51 ]}เพื่อสร้างมาตรฐานทองคำ แนวทางที่มีความแม่นยำสูงคือการขอความเห็นจากผู้เชี่ยวชาญเพื่อสร้างมาตรฐานทองคำ^{[ 52 ]}แต่วิธีนี้ใช้เวลานาน มีราคาแพง และมักจะให้ผลลัพธ์อัตราการเรียกคืนที่ต่ำ^{[ 1 ]}

ข้อดีของการแบ่งเวลาเมื่อเปรียบเทียบกับการจำลองการค้นพบก่อนหน้านี้คือการประเมินบนตัวอย่างทดสอบจำนวนมาก ซึ่งทำให้เกิดความต้องการเมตริกการประเมินที่สามารถวัดประสิทธิภาพบนรายการจัดอันดับขนาดใหญ่ได้^{[ 1 ]}งาน LBD ได้ใช้เมตริกที่เป็นที่นิยมในการดึงข้อมูล^{[ 53 ]} ซึ่งรวมถึงความแม่นยำ การเรียกคืนพื้นที่ใต้เส้นโค้ง (AUC) ความแม่นยำที่k ความแม่นยำเฉลี่ย (MAP) และอื่นๆ^{[ 1 ]}

แนวทาง การเสนอการค้นพบ หรือการรักษาใหม่ๆ นั้น ก้าวไปไกลกว่าการจำลองการค้นพบในอดีตหรือการทำนายกรณีเฉพาะในช่วงเวลาที่กำหนด และแสดงให้เห็นว่าระบบสามารถนำไปใช้ในสถานการณ์จริงได้^{[ 54 ]} [ ^{47 ] [ 55 ] [ 56 ]}โดยปกติแล้วจะมี การตีพิมพ์ใน วารสารวิชาการที่ได้รับการตรวจสอบโดยผู้เชี่ยวชาญในสาขานั้นๆ หรือการตรวจสอบโดย ผู้เชี่ยวชาญ ^ในสาขานั้นๆ^{[ 1 ]}

การทำให้การค้นพบวรรณกรรมเป็นไปโดยอัตโนมัตินั้นอาศัย การขุด ค้นข้อความ เป็นอย่างมาก ^{[ 58 ]}

ภาษาที่ใช้ในบทความทางวิทยาศาสตร์มักมีความกำกวม และขั้นตอนสำคัญสำหรับการวิเคราะห์วรรณกรรมอย่างสอดคล้องคือการแยกความหมายของแต่ละคำในบริบทที่ใช้ ซึ่งเป็นงานที่เรียกว่าการแยกความ หมายของคำ ( Word-sense disambiguationหรือ WSD) ^{[ 59 ]}ตัวอย่างเช่น คำศัพท์สำหรับยีน เช่นCT ( PCYT1A ) และMR ( NR3C2 ) อาจทำให้สับสนกับคำย่อของComputational TomographyและMagnetic Resonanceซึ่งต้องใช้ระบบการแยกความหมายที่ซับซ้อน^{[ 60 ]}คำศัพท์มักจะถูกปรับให้เข้ากับออนโทโลยีหรือแหล่งข้อมูลอื่นๆ ของตัวระบุเฉพาะ เช่นUnified Medical Language System (UMLS) ^{[ 61 ]}กระบวนการนี้ในการแมปคำพูดที่แตกต่างกันหลายคำไปยังชื่อหรือตัวระบุเดียวเรียกว่าการทำให้เป็นมาตรฐาน (normalization) ^{[ 57 ]}

LBD ได้ถูกนำมาใช้ในรูปแบบต่างๆ เพื่อระบุความเชื่อมโยงใหม่ระหว่างเอนทิตีทางชีวการแพทย์และยีนตัวเลือกใหม่และวิธีการรักษาโรค^{[ 62 ] [ 1 ]}

LBD ถูกนำมาใช้ในการพัฒนายาและการนำยามาใช้ใหม่^{[ 54 ] [ 63 ]}รวมถึงการทำนายปฏิกิริยาไม่พึงประสงค์ของยา^{[ 64 ] [ 65 ] [ 1 ]}

วิธีการค้นหาข้อมูลโดยอาศัยเอกสารทางวิชาการได้ถูกนำมาใช้ในการค้นหาวิธีรักษาโรคต่างๆ ของมนุษย์ ซึ่งรวมถึง:

• โรคจอประสาทตาจากเบาหวาน^{[ 66 ]}
• โรคกล้ามเนื้อหัวใจขยายตัว^{[ 61 ]}
• โรคพาร์กินสัน^{[ 67 ]}
• มะเร็งต่อมลูกหมาก^{[ 63 ]}
• มะเร็งกระเพาะอาหาร^{[ 68 ]}
• โรคปลอกประสาทเสื่อมแข็ง^{[ 69 ]}

แนวทางนี้ยังถูกนำมาใช้เพื่อเสนอความสัมพันธ์ของยีนกับโรคเฉพาะ^{[ 70 ]}เช่นมะเร็งเต้านม^{[ 71 ]}

ในบริบทของระบบวัคซีนวิทยามีการใช้เพื่อระบุโปรตีนที่เกี่ยวข้องกับอินเตอร์เฟรอนแกมมา และมีบทบาทในการตอบสนองต่อวัคซีน^{[ 57 ]}

นอกจากนี้ยังใช้เพื่อเสนอกลไกสำหรับยาที่ใช้ในปัจจุบัน^{[ 72 ]}

LBD ได้รับการสำรวจเพื่อใช้เป็นเครื่องมือในการระบุไบโอมาร์กเกอร์สำหรับการวินิจฉัยและการพยากรณ์โรค เช่น ความเสี่ยงของ โรค เบาหวานประเภทที่ 2 ^{[ 73 ]}

นอกจากการให้สมมติฐานทางวิทยาศาสตร์เกี่ยวกับโลกแล้ว LBD ยังถูกนำมาใช้เพื่อปรับปรุงการวิเคราะห์ข้อมูลโดยการระบุปัจจัยรบกวน ที่เป็นไปได้โดยอัตโนมัติ โดยใช้เอกสารทางการแพทย์^{[ 74 ]}

นอกจากนี้ยังใช้เพื่อทำความเข้าใจสาเหตุ^ของ โรค และความสัมพันธ์ของโรคต่างๆ ได้ดียิ่งขึ้น เช่น การค้นหายีนที่เชื่อมโยงภาวะกล้ามเนื้อหัวใจขาด เลือด และภาวะซึมเศร้า [ ^{75 ]}และความเชื่อมโยงระหว่างโรคทางจิตเวชและโรคทางกาย^{[ 76 ]}

LBD ส่วนใหญ่ถูกนำไปใช้ในด้านชีวการแพทย์ แต่ก็มีการนำไปใช้ในด้านอื่นๆ ด้วยเช่นกัน เช่น การวิจัยเกี่ยวกับการพัฒนาระบบบำบัดน้ำการเร่งพัฒนาประเทศกำลังพัฒนาและการระบุความร่วมมือด้านการวิจัยที่น่าสนใจ^{[ 77 ] [ 78 ] [ 79 ]}

• ระบบ Arrowsmith
• นัยยะ
• การจัดทำดัชนีความหมายแฝง
• อุปมาอุปไมย
• การขุดค้นข้อมูลจากข้อความ
• การดูแลจัดการข้อมูลชีวภาพ
• ไบโอครีเอทีฟ

• วิลสัน, แพทริค (1977). ความรู้สาธารณะ ความไม่รู้ส่วนตัว: สู่แนวนโยบายห้องสมุดและสารสนเทศ . สำนักพิมพ์กรีนวูด. หน้า 156. ISBN 0-8371-9485-7.