将临床研究数据库转换为适应人工智能应用程序的结构化数据库
Thibault Sauron1, Carole Lazarus2, Camille Kurtz1
1LIPADE, Université Paris Cité, Paris, France.
Insights into imaging
|February 15, 2026
概括
我们开发了一种策划方法来调整临床试验MRI数据,用于训练人工智能模型. 该框架增强了对高质量的健康数据的二次使用,用于开发AI成像工具.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 临床试验 临床试验
背景情况:
- 医疗成像数据库用于训练人工智能很少.
- 临床试验数据库提供高质量的注释数据,但尚未准备好用于人工智能.
- 开发用于医疗保健的AI工具需要合适的数据集.
研究的目的:
- 开发一种方法和工具,用于策划临床试验数据库,用于AI培训和测试.
- 调整现有的临床试验数据,用于人工智能开发中的二次使用.
- 创建一个框架,有效地使用注释医疗成像数据.
主要方法:
- 使用了来自EURAD临床试验的MRI.
- 定义了包含/排除标准,并应用了节原则.
- 通过自动和手动检查实施质量控制,协调DICOM字段和序列名称.
主要成果:
- 编辑了713名患者的数据库.
- 降低了44%的目录结构复杂性和95%的文件数量.
- 确定了用于人工智能应用的62个必不可少的DICOM字段和协调的序列名称.
结论:
- 从临床试验数据建立了建立AI准备数据库的方法.
- 强调需要在人工智能中使用二级健康数据的系统框架.
- 分享开源工具和人工智能模型开发方法.
