随着COVID-19大流行病席卷全球，研究人员每周发表数百篇论文报告其发现，然而其中许多未经过全面的同行评审过程，以评估其可靠性。根据最近的一项分析，每周平均发表367篇COVID-19论文，从提交到接受的平均时间仅为6天，而非COVID-19内容的论文则为84天。
在新资讯可能会加速新出现的全球医学-社会-经济灾难的知识和解决方案的背景下，这些前所未有的同行评审周转时间（有时甚至是宽松的编辑标准）是合理的，但同时也可能会误导研发工作、损害临床实践并误导决策者。
9月14日发表于《自然生物技术》上的评论中，来自美国、瑞典、丹麦、以色列、法国、英国、香港、意大利和美国的一些公私营部门研究人员提出了一种策略，该策略结合严格的社群和同行评审与人工智能的使用，以优先考虑文献中描述的研究和治疗选择，从而使社群能够将资源集中在经过适当而彻底的临床测试的治疗上。该策略证明了AI和机器学习，有潜力帮助研究人员区分良莠，以弥补在资讯泛滥的情况下，传统的计算分析和机器学习对药物用途论文进行的同行评审不足。