路线图:医学人工智能模型和数据集的本体学

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 本体论发展发展 本体论发展

背景情况:

• 对人工智能模型和数据集的明确沟通对于医疗人工智能开发,监管审查和临床使用至关重要.
• 现有的"模型卡"和"数据集数据表"等框架缺乏对多式联络医疗数据的全面支持.
• 需要一个机器可解释的框架来标准化医疗AI资源的描述.

研究的目的:

• 介绍人工智能数据集,模型和项目的放射学本体 (ROADMAP).
• 为人工智能模型和数据集的属性和值正式定义提供机器可解释的框架.
• 提高医疗人工智能资源的可发现性,互操作性和重用性.

主要方法:

• 开发了ROADMAP作为一个正式的本体学.
• 嵌入式功能用于多式联运数据 (图像,结构化,非结构化文本).
• 来自现有的本体学,编码方案和共同数据元素的综合概念.

主要成果:

• 路线图为描述医疗人工智能资源提供了一个机器可解释的框架.
• 本体论支持多式联运数据类型.
• 它增强了AI资源的可发现性,互操作性和重用性.
• 便于将AI模型与数据集匹配,并检测潜在的偏差.

结论:

• 路线图提供了一个标准化的,机器可解释的方法来描述医疗AI资源.
• 本体论促进了更好的数据管理,模型开发和医学AI中的偏见评估.
• 路线图可以在https://bioportal.bioontology.org/ontologies/ROADMAP上找到.