在瘤学中合成数据生成的机遇和挑战
Flavia Jacobs1,2, Saverio D'Amico2, Chiara Benvenuti1,2
1Department of Biomedical Sciences, Humanitas University, Milan, Italy.
JCO clinical cancer informatics
|August 3, 2023
概括
人工智能 (AI) 现在可以使用生成对抗网络为医疗保健生成合成数据 (SD). 这项技术增强了临床研究,并保护了瘤学中的患者隐私.
科学领域:
- 人工智能在医学中的应用
- 机器学习用于医疗保健
- 合成数据生成 合成数据生成
背景情况:
- 当前医疗保健中的人工智能主要使用演系统来发现模式.
- 生成对抗性网络 (GAN) 代表了一种新的诱导性AI方法.
- 从有限的现实世界信息中,GANs创建高保真度合成数据 (SD).
研究的目的:
- 总结用于合成数据生成的生成对抗网络的特征.
- 批判性地讨论SD在临床癌症研究中的应用.
- 为医疗保健使用SD提供机会和挑战的概述.
主要方法:
- 使用生成对抗网络 (GANs),一种诱导性AI.
- 在现有的真实世界数据上训练人工智能系统,以生成增强数据.
- 在生成过程中保持原始数据集的一般特征.
主要成果:
- 生成的合成数据 (SD) 保持了现实数据的统计特性.
- SD可以增强有限的数据集,以加强临床研究.
- 这项技术提供了一种保护患者隐私的方法.
结论:
- 生成对抗性网络为加速瘤学数据访问提供了一个强大的工具.
- 合成数据生成为推进癌症研究提供了重大机会.
- 对于SD产生的挑战,需要仔细考虑,以便在医疗保健中有效实施.
