开发皮肤病学数据集的方法:基于AI的应用程序的回顾性数据收集的经验教训.
Alma Pedro1,2, Pamela Romero3,4, Soledad Vidaurre5
1Department of Computer Science, Escuela de Ingeniería, Pontificia Universidad Católica de Chile, Santiago, Chile. aapedro@uc.cl.
BMC medical research methodology
|November 5, 2025
概括
本研究介绍了一种创建高质量的皮肤病学数据集的实用方法,重点关注皮肤瘤分类. 该框架确保了可重现性和可扩展性,解决了人工智能驱动的研究中对多式联网数据和多元人群的需求.
科学领域:
- 皮肤病学 皮肤病学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 人工智能在皮肤病学方面的进步需要标准化,高质量的数据集.
- 目前的皮肤病学数据集在开发中缺乏统一性,阻碍了AI集成.
- 需要多式联运数据,定义的元数据标准和包容性人口代表性.
研究的目的:
- 为皮肤瘤分类创建结构化皮肤病学数据集提出实用方法.
- 通过纳入多式联络信息和多样化的人口来解决卫生数据的稀缺问题.
- 建立一个可复制和可扩展的数据集创建框架.
主要方法:
- 开发了四个阶段的方法:IRB批准和临床信息分析,数据记录和结构化,临床数据和图像处理以及质量评估.
- 该方法结合了来自电子健康记录的临床图像和患者元数据.
- 对智利和墨西哥人口构建数据集的经验为方法论提供了信息.
主要成果:
- 提出的方法有助于创建组织良好的,可复制的皮肤病学数据集.
- 提供了针对常见挑战的实际指导,包括图像元数据和技术验证.
- 该框架支持皮肤科医生和计算机科学家之间的跨学科合作.
结论:
- 为创建皮肤病学数据集提出了一个可复制,可扩展和跨学科的框架.
- 这种方法对于那些开始开发数据集的国家来说尤其有益.
- 强调了建议和常见的陷,以帮助未来的数据集倡议.


