該系統名為LION LBD，由劍橋大學的計算機科學家和癌癥研究人員開發，旨在幫助科學家尋找癌癥相關的發現。它是第一個旨在支持癌癥研究的基于文獻的發現系統。結果發表在生物信息學期刊上。

　　全球癌癥研究在全球范圍內吸引了大量資金，科學文獻現在如此巨大，以至于研究人員正在努力跟上它：現在，關鍵假設產生的證據在出版后很久就被發現。

　　癌癥是一類復雜的疾病，尚未完全了解，是全球第二大死因。癌癥發展涉及眾多化學和生物化學分子，反應和途徑的變化，并且正在各種科學領域進行癌癥研究，這些領域在描述類似概念的方式上具有可變性。

　　“作為一名癌癥研究員，即使你知道自己在尋找什么，每天也會有數千篇論文出現，”劍橋語言技術實驗室聯合主任Anna Korhonen教授說道，他與LION LBD合作領導了這項研究。英國劍橋研究所癌癥研究所的Masashi Narita博士和瑞典卡羅林斯卡醫學院的Ulla Stenius教授?！癓ION LBD使用人工智能來幫助科學家及時了解他們所在領域的已發表的發現，但也可以通過結合可能看似無關的來源之間的聯系來幫助他們結合文獻中已知的新發現?！?/p>

　　LION LBD中的“LBD”代表基于文獻的發現，這是20世紀80年代開發的一個概念，旨在通過梳理來自不連續來源的信息來進行新的發現。原始版本的LBD背后的關鍵思想是，文獻中從未明確鏈接的概念可能通過中間概念間接聯系起來。

　　LION LBD系統的設計允許實時搜索以發現數千萬個出版物的數據庫中的實體之間的間接關聯，同時保留用戶在其原始上下文中探索每個提及的能力。

　　“例如，您可能知道某種癌癥藥物會影響某種途徑的行為，但對于LION LBD，您可能會發現針對完全不同的疾病開發的藥物會影響相同的途徑，”Korhonen說。

　　LION LBD是第一個專門針對癌癥研究需求而開發的系統。它特別關注癌癥的分子生物學，并使用最先進的機器學習和自然語言處理技術，以檢測文本中癌癥標志的參考。對系統的評估已經證明了它能夠識別未發現的鏈接并在潛在的連接中高度排列相關概念。

　　該系統使用開放數據，開源和開放標準構建，可作為基于Web的交互式界面或可編程API。

　　研究人員目前正致力于擴大LION-LBD的范圍，以包括更多的概念和關系。他們還與癌癥研究人員密切合作，為最終用戶提供幫助和改進技術。

　　該系統是與劍橋大學語言技術實驗室，英國劍橋研究所癌癥研究所和瑞典卡羅林斯卡醫學院合作開發的，由醫學研究委員會資助。