Manifiesto de datos biomédicos: Un mapeo de documentación de datos liviano para aumentar la transparencia de AI / ML

Área de la Ciencia:

• Informática biomédica La informática biomédica es un campo de la informática biomédica.
• Aprendizaje automático Aprendizaje automático.
• Ciencia de datos Ciencia de datos.

Sus antecedentes:

• Los modelos biomédicos de aprendizaje automático (ML) requieren una robusta documentación de conjuntos de datos para la toma de decisiones clínicas.
• Los métodos actuales de documentación son onerosos y confunden la rendición de cuentas de datos / modelos, especialmente para conjuntos de datos que no son ML.
• La equidad en los algoritmos de aprendizaje automático depende de la conciencia del usuario de los problemas de datos como la procedencia y la calidad.

Objetivo del estudio:

• Para abordar las lagunas en las prácticas actuales de documentación de datos de ML.
• Desarrollar un marco práctico de documentación para conjuntos de datos biomédicos.
• Mejorar la transparencia y la mitigación de sesgos en las aplicaciones de ML.

Principales métodos:

• Campos de documentación de consenso derivados mediante el mapeo de elementos en cuatro plantillas clave.
• Las partes interesadas biomédicas encuestadas (clínicos, científicos de banco, administradores de datos, computacionalistas) sobre la importancia del campo.
• Desarrolló el Manifiesto de Datos Biomédicos, una plantilla modular con presentación de campo específica de la persona.

Principales resultados:

• Se identificaron diferencias de priorización dependientes del rol entre las partes interesadas biomédicas.
• El Manifiesto de Datos Biomédicos reduce la carga del generador al ofrecer información personalizada.
• Asegura que los usuarios finales reciban información de datos relevante para el rol para una mejor aplicación de ML.

Conclusiones:

• El Manifiesto de Datos Biomédicos mejora la transparencia de los conjuntos de datos en repositorios públicos/controlados.
• Mejora la mitigación de sesgo en las aplicaciones de aprendizaje automático a través de una mejor comprensión de los datos.
• Facilita el intercambio responsable de datos y su utilización en la investigación biomédica.