AI/MLの透明性を高めるための軽量データドキュメンテーションマッピングであるバイオメディカルデータマニフェスト

科学分野:

• 生物医学情報学
• 機械学習
• データサイエンス

背景:

• 生物医学機械学習（ML）モデルは、臨床的意思決定のために堅牢なデータセットドキュメンテーションを必要とします。
• 現在のドキュメンテーション方法は負担が大きく、特に非MLデータセットの場合、データ/モデルのアカウンタビリティが混同されます。
• MLアルゴリズムの公平性は、プロビナンスや品質などのデータの問題に関するユーザーの認識にかかっています。

研究 の 目的:

• 現在のMLデータドキュメンテーションの実践におけるギャップに対処します。
• 生物医学データセットの実用的なドキュメンテーションフレームワークを開発します。
• MLアプリケーションにおける透明性とバイアスの軽減を改善します。

主な方法:

• 4つの主要なテンプレートにわたるフィールドをマッピングすることにより、コンセンサスドキュメンテーションフィールドを導き出しました。
• フィールドの重要性について生物医学関係者（臨床医、ベンチサイエンティスト、データマネージャー、計算論者）を調査しました。
• ペルソナ固有のフィールドプレゼンテーションを備えたモジュラーテンプレートであるバイオメディカルデータマニフェストを開発しました。

主要な成果:

• 生物医学関係者の役割依存的な優先順位付けの違いを特定しました。
• バイオメディカルデータマニフェストは、調整された情報を提供することにより、生成者の負担を軽減します。
• エンドユーザーがMLアプリケーションを改善するために、役割に関連するデータ情報を受け取ることを保証します。

結論:

• バイオメディカルデータマニフェストは、公開/管理リポジトリのデータセットの透明性を高めます。
• データ理解の向上を通じて、機械学習アプリケーションにおけるバイアスの軽減を改善します。
• 生物医学研究における責任あるデータ共有と利用を促進します。