关于与年龄相关的黄斑退行症的公开可用的成像数据集:根据可查找,可访问,可互操作,可重复使用 (FAIR) 原则进行评估
Nayoon Gim1, Alina Ferguson2, Marian Blazes3
1Department of Ophthalmology, University of Washington, Seattle, WA, USA; Roger and Angie Karalis Johnson Retina Center, Seattle, WA, USA; Department of Bioengineering, University of Washington, Seattle, WA, USA.
Experimental eye research
|March 15, 2025
概括
公开可用的与年龄相关的黄斑变性 (AMD) 数据集缺乏完全的FAIR数据合规性. 改进数据共享需要在AMD研究中采用FAIR原则用于AI和ML.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 与年龄相关的黄斑变性 (AMD) 影响全球超过2亿名老年人,患病率越来越高,目前还没有治愈.
- 人工智能 (AI) 和机器学习 (ML) 对推进AMD研究充满希望,但依赖于高质量,可重复使用的临床数据.
- 可查找,可访问,可互操作,可重复使用 (FAIR) 原则为有效的数据共享提供了一个框架.
研究的目的:
- 评估FAIR原则在与年龄相关的黄斑变性 (AMD) 研究的眼科成像数据集中的实施情况.
- 在AMD研究数据库中识别FAIR合规性的差距.
主要方法:
- 评估包含光学连贯断层扫描 (OCT) 数据的公开可用的AMD相关数据集.
- 根据四个核心FAIR原则进行评估:可查找,可访问,可互操作和可重复使用.
主要成果:
- 评估的数据集中没有一个完全符合FAIR标准.
- 具体的合规率是:可查找 (5%),可访问 (82%),可互操作 (73%) 和可重复使用 (0%).
- 低合规性归因于FAIR原则的新性和AMD研究中缺乏标准化数据/元数据格式.
结论:
- 开放式可用的AMD数据集需要显著改进,以满足FAIR数据标准.
- 采用FAIR实践对于增强数据共享和在AMD研究中推进AI/ML应用至关重要.
- 提出了指导方针,以促进AMD研究界在AMD研究界采用FAIR原则.
