通过众包与网络搜索广告创建一个经验性皮肤病学数据集
Abbi Ward1, Jimmy Li1, Julie Wang1
1Google Research, Mountain View, California.
JAMA network open
|November 20, 2024
概括
网络搜索广告有效地众包了多样化的皮肤病图像数据集,解决了研究和人工智能开发当前健康数据的差距. 这种方法有助于创建具有代表性的医疗数据集.
科学领域:
- 皮肤病学 皮肤病学
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 临床健康数据集缺乏多样性,阻碍了医学研究,教育和AI工具开发.
- 需要新的众包方法来创建更具代表性的健康数据集.
研究的目的:
- 评估网络搜索广告 (广告) 在生成多样化和代表性的皮肤病图像数据集中的有效性.
- 通过搜索广告评估众包作为健康数据收集的方法.
主要方法:
- 一项前性观察调查研究利用谷歌搜索广告招募美国互联网用户为皮肤状况图像网络 (SCIN) 数据集的图像贡献.
- 参与者提交了皮肤病的图像,以及人口统计和症状数据,经过数字知情同意.
- 数据分析的重点是贡献的数量,质量,人口多样性和临床状况分布.
主要成果:
- 收到的提交人数为5749人,其中97.9%被认定为真正的皮肤病图像.
- 该数据集显示,与美国人口相比,女性和年轻贡献者的代表性更高.
- 32.6%的参与者报告非白人种族或民族身份;条件标签包括估计的菲茨帕特里克皮肤类型和僧侣皮肤色调.
结论:
- 网络搜索广告是众包皮肤病图像的有效工具,有助于创建各种健康数据集.
- 皮肤状况图像网络 (SCIN) 数据集有助于填补常见的短暂皮肤状况图像中的空白.
- 这种众包方法提供了一种可行的方法来增强医疗数据的多样性和实用性.
