通过标准化推进医学成像研究:通往快速开发,严格验证和强大的可重复性之路
Kyulee Jeon1, Woo Yeon Park, Charles E Kahn
1From the Department of Biomedical Systems Informatics, Yonsei University, Seoul, South Korea (K.J., S.C.Y.); Institution for Innovation in Digital Healthcare, Yonsei University, Seoul, South Korea (K.J., S.C.Y.); Biomedical Informatics and Data Science, Johns Hopkins University, Baltimore, MD (W.Y.P., P.N.); Department of Radiology, University of Pennsylvania, Philadelphia, PA (C.E.K.); and Department of Radiology, Seoul National University College of Medicine, Seoul National University Hospital, Seoul, South Korea (S.H.Y.).
通过OMOP共同数据模型标准化医学成像数据,对于推动放射学领域的人工智能 (AI) 发展至关重要. 这种方法增强了数据的互操作性,使全球合作和可重复的AI开发成为可能.
科学领域:
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 在放射学方面表现有前途,但由于碎片化,非标准化数据而面临挑战.
- 缺乏高质量,大规模和标准化的全球医学成像数据集,阻碍了AI的开发,验证和可重复性.
研究的目的:
- 为医疗成像数据与结构化临床数据的整合提出标准化框架.
- 通过数据协调和互操作性,促进大规模的国际放射学AI研究.
主要方法:
- 利用观察性健康数据科学和信息学 (OHDSI) 社区的OMOP共同数据模型用于结构化数据.
- 提出医学成像通用数据模型,以将DICOM格式的图像和衍生特征与临床数据集成,确保来源.
主要成果:
- 标准化使医学成像和临床数据的语法和语义互操作性成为可能.
- 促进隐私保护,跨境研究合作和联合学习.
- 支持在多样化,多模式数据集上训练的基础模型的开发.
结论:
- 协调医疗成像和临床数据对于在放射学中推进AI至关重要.
- 标准化促进公平的人工智能开发,增强可重复性,并推动临床应用的创新.
更多相关视频
09:08Author Spotlight: Standardization and Best Practices for Advancing Lung Imaging Using 129Xe MRI
Published on: November 21, 2023
06:33Construction of a Preclinical Multimodality Phantom Using Tissue-mimicking Materials for Quality Assurance in Tumor Size Measurement
Published on: July 29, 2013
