解锁生物医学数据共享:以数字双胞胎和人工智能 (AI) 为开放的健康科学提供结构化的方法
Claire Jean-Quartier1,2,2, Sarah Stryeck3, Alexander Thien4
1Research Data Management, Graz University of Technology, Graz, Austria.
Digital health
|September 16, 2024
概括
本研究引入了一个计算框架,通过生成合成数据来公平地共享敏感生物医学信息的数据. 它使没有编码经验的科学家能够利用和丰富数据集,促进开放科学和可重复性.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
背景情况:
- 数据共享对于科学进步至关重要,但受到隐私问题的阻碍.
- 敏感数据,特别是在生物医学领域,需要安全和道德的共享方法.
- 缺乏计算专业知识限制了许多科学家的数据利用.
研究的目的:
- 促进敏感生物医学数据的 FAIR (可查找,可访问,可互操作,可重复使用) 共享.
- 开发一个集成的计算方法来利用和丰富数据.
- 让没有编码经验的科学家能够处理敏感数据集.
主要方法:
- 一个in silico管道产生合成数据用于受控的材料共享.
- 一个网络基础设施,可以在没有本地安装的情况下促进计算笔记本的共享.
- 一个使用癌症数据集作为开放数据可用性的用例的数字双胞胎模型.
主要成果:
- 一种元数据方法,用于可概括的计算模型描述符和使用现有数据进行验证.
- 一个基于云的系统中的虚拟实验室手册,用于用户交互和数据管理.
- 定性测试表明需要全面的指导方针来提高用户接受度.
结论:
- 该框架通过可重现的数据生成和不完整的数据插入来促进开放科学.
- 该系统可以从生物医学领域扩展到其他领域.
- 未来的改进,包括图形用户界面,可以扩大跨学科的适用性.
