标本和数据的来源 - 在计算病理学中开发AI的先决条件

科学领域:

• 生物技术是生物技术.
• 人工智能的人工智能
• 数据科学数据科学数据科学

背景情况:

• 人工智能在生物技术中的发展需要高质量,可追溯的数据.
• 公平原则和法规 (IVDR,MDR) 强制要求数据来源用于质量保证.
• 目前的方法可能缺乏标准化的方法来捕获全面的来源.

研究的目的:

• 为记录和发布样本和数据来源信息提供一个框架.
• 确保生物技术中的AI发展符合FAIR原则和监管要求.
• 为了说明来源在AI算法开发和验证中的实用性.

主要方法:

• 使用了标准化模型和协议,如W3C PROV和ISO 23494系列.
• 在数据生成和分析阶段开发了一个用于捕获来源的框架.
• 在计算病理学用例中应用了框架.

主要成果:

• 证明了框架能够有效记录和发布来源信息的能力.
• 展示了样本和数据来源如何支持AI算法开发和文档.
• 强调管理分布式来源数据的重要性,并解决互操作性,保密性和完整性问题.

结论:

• 拟议的框架有助于在生物技术领域开发高质量的AI算法.
• 标准化来源记录对于满足监管和数据质量标准至关重要.
• 有效管理来源数据是生命科学中可靠和值得信赖的AI的关键.