Совместное использование наборов данных медицинской визуализации — это постоянная глобальная работа; за последнее десятилетие появилось множество наборов данных и репозиториев. Например, одним из основных ресурсов является The Cancer Imaging Archive — обширное хранилище данных медицинской визуализации, связанных с раком, с соответствующими клиническими данными, целью которого является поддержка воспроизводимости количественных показателей визуализации. Эти различные наборы данных позволили исследователям создать и распространить алгоритмы постобработки для различных приложений, связанных с раком.
Недавнее развитие больших языковых моделей (LLM) привлекло интерес к наборам данных, содержащим медицинские тексты. LLM — это продвинутые системы искусственного интеллекта, способные обрабатывать и генерировать человекоподобный текст, что может быть очень полезно в радиологии (например, для помощи радиологам в составлении отчетов).
Авторы статьи говорят, что если мы хотим, чтобы искусственный интеллект преуспел в радиологии (и в медицине вообще), мы должны обмениваться данными и научиться правильно это делать. А также о том, что:
- Данные — ключевой компонент разработки моделей ИИ. Чтобы добиться успеха, мы должны научиться обмениваться данными.
- Обмен наборами данных все чаще требуется учреждениями, которые проводят исследования, финансируемые государством. Давайте делать это правильно.
- Открытая наука — это действительно настоящая наука, и в наших интересах для ускорения лечения пациентов принять ее.
Источник: RSNA
Изображение для превью новости предоставлено Freepik