在癌症成像存储库中的数据质量保证的多维框架
Olga Tsave1, Alexandra Kosvyra1, Dimitrios T Filos1
1Laboratory of Computing, Medical Informatics and Biomedical Imaging Technologies, School of Medicine, Aristotle University of Thessaloniki, 541 24 Thessaloniki, Greece.
Cancers
|October 16, 2025
概括
一个新的数据验证框架确保了癌症研究中人工智能 (AI) 的高质量,公平和标准化数据. 这种方法改善了人工智能开发的数据,支持早期诊断和个性化癌症治疗.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 癌症是全球主要的死亡原因,需要在诊断和治疗方面取得进展.
- 人工智能 (AI) 整合到癌症成像中,有望为早期检测和个性化医疗提供希望.
- 人工智能模型的性能在很大程度上依赖于输入数据的质量,标准化和公平性.
研究的目的:
- 开发一个强大的框架来预先验证用于AI开发的成像和临床数据.
- 创建一个联合,泛欧洲的癌症成像和临床数据存储库 (INCISIVE项目).
- 确保健康数据库的数据质量,互操作性和公平性.
主要方法:
- 一个数据验证框架,通过五个维度评估临床 (元) 数据和成像数据:完整性,有效性,一致性,完整性和公平性.
- 程序包括除重复,注释验证,DICOM元数据分析和匿名化合规性.
- 在INCISIVE项目中应用到数据的框架.
主要成果:
- 确定了关键数据质量问题,包括缺少的临床信息和不一致的格式.
- 在数据集中检测到子组不平衡.
- 展示了结构化数据输入和标准化数据质量协议的好处.
结论:
- 结构化框架有效地解决了处理大规模多式联络医疗数据的挑战.
- 该INCISIVE项目的方法确保数据质量,互操作性和公平性.
- 该框架为未来的健康数据存储库提供了一个可转移的模型,支持瘤学AI研究.
