في عالم الاكتشافات الطبية، يُعتبر ربط المعرفة الواسعة بالبيانات التجريبية أو السريرية أمرًا في غاية الأهمية. تُظهر الدراسات الحالية أن المعرفة الخلفية تشير إلى آليات ذات صلة، ولكنها غالبًا ما تكون عامة جدًا ولا يمكن أن تتطابق مباشرة مع متغيرات مجموعات البيانات الخاصة.

بهذا الإطار، تم تقديم SCENE، وهو إطار عمل يتكون من مستويين يعمل على تحويل المعرفة الطبية العمومية إلى اقتراحات مدعومة بالأدلة، يمكن للخبراء في المجال مراجعتها والتحقق منها. يتمثل مستوى الإدارة العليا في تحويل المعرفة العامة إلى توجيهات بحثية، بينما يقوم المستوى السفلي بتنفيذ هذه التوجيهات من خلال تحسين متعدد الأهداف لتحديد اقتراحات ملموسة تتوازن بين القوة الدليلة ودعم البيانات.

يعزز SCENE عبر عملية تغذية راجعة بين المستويين، مما يساعد في تحسين نتائج البحث بشكل تدريجي. لقد تم تقييم هذا الإطار في سياقين مختلفين: الأول هو اكتشاف مجموعات فرعية من المرضى الذين يحصلون على فوائد علاجية متنوعة في تجارب سريرية، والثاني هو تحديد استجابات بيولوجية خاصة بالسياق في دراسات LINCS L1000.

نتائج SCENE أظهرت قدرة فائقة في تحديد مجموعات فرعية معينة تدعمها الأدلة وتفوق التقنيات الحالية المعتمدة. كما أن الإطار أظهر قدرة على التعرف على السياقات التي تتوافق فيها الاستجابات بشكل قوي.

تكشف هذه النتائج أن SCENE يربط بين المعرفة العامة والأدلة الخاصة بالسيناريو، مما يخلق فرضيات قابلة للتتبع والتفتيش للتحقق منها لاحقًا. هذا التحول في الاستراتيجيات يمكن أن يعيد تشكيل المستقبل في اكتشافات الأدوية والبحث السريري، مما يوفر طرقًا أكثر فعالية لتحسين نتائج المرضى.