对瘤学AI的数据标准的新实施:来自EuCanImage项目的经验

科学领域:

• 医疗保健信息学 医疗保健信息学
• 人工智能的人工智能
• 精准医学是一门精准的医学.

背景情况:

• 全球范围内产生了大量的个人健康数据,具有精准医学的潜力.
• 使用人工智能利用这些数据需要整合异质,多中心和多模式来源.
• 方法和道德方面的挑战阻碍了健康数据模型在现实世界中实施.

研究的目的:

• 通过EuCanImage联盟开发用于瘤学精密医学的AI算法.
• 通过建立伦理审批和数据标准,使临床数据的二次使用成为可能.
• 为满足三种癌症类型的7个未满足的临床需求.

主要方法:

• 实施了一种创新的过程,用于从医院获取临床数据.
• 将数据转化为EuCanImage数据模型,使用结合REDCap,FHIR和EGA的工作流.
• 使用自定义ETL管道和QC脚本进行数据转换和质量控制.

主要成果:

• 在永久存储库中成功捕获,转换和存储标准化临床数据.
• 建立了一个工作流程,使互操作性和二次数据用于AI开发.
• 证明了克服数据异质性和标准化挑战的可行过程.

结论:

• 综合了医疗保健数据互操作性和标准化的经验和程序.
• 强调了对人工智能倡议明确的临床数据标准的重要性.
• 提供了一个可复制的模型来管理和利用大规模的健康数据进行研究.