Где брать данные для решений в сфере женского здоровья?
Привет, друзья! На связи Ира Евдокимова. Позавчера я участвовала в онлайн-конференции Women of Wearables про ИИ и женское здоровье
Дискуссию про ИИ в диагностике вела Бианка Шор (Bianca Schor). Она не только классно модерировала разговор, но и пошерила статью, которую написала с коллегами для
npj Women’s Health (журнала Nature Portfolio) с 87 источниками данных о самых разных аспектах женского здоровья
Я так впечатлилась этой работой, что решила рассказать о ней подробнее, потому что ее цель не только собрать дата-сеты, но и замэппить существующие проблемы в данных
«Если коротко, то доступность данных сильно различается в зависимости от клинической области. В онкологии уже существуют крупные ресурсы, объединяющие изображения, молекулярные и клинические данные. В гинекологической визуализации наборов очень мало, а еще сильно недопредставлены женщины стран Глобального Юга»
Проблема
Как вы знаете, женщины исторически были недостаточно представлены в клинических исследованиях. Для медицинского ИИ важно не только количество наблюдений, но и состав выборки: какие группы пациенток и какие состояния в ней представлены, где и каким способом собирались данные
Высокое качество модели на данных одной клиники не гарантирует сопоставимых результатов в другой. Для этого нужна внешняя валидация — проверка на независимых данных, которые не использовались при разработке модели
Открытые и FAIR-данные
Авторы искали не только открытые данные, но и FAIR-данные. Открытость описывает условия использования данных: их можно свободно использовать, изменять и распространять. Принципы FAIR описывают другое: насколько легко данные найти (
Findable), насколько понятна процедура доступа к ним (
Accessible), можно ли их объединять с другими данными (
Interoperable) и повторно использовать (
Reusable).
FAIR-данные необязательно должны быть открытыми. Например, клиника может опубликовать описание набора: критерии включения пациенток, протокол получения изображений, перечень диагнозов и правила подачи заявки. При этом доступ к самим изображениям остаётся контролируемым. Такое описание позволяет исследователям оценить пригодность набора ещё до обращения за доступом
Что удалось найти
В каталог вошли
87 ресурсов: 75 репозиториев и наборов данных и 12 биобанков. Не менее 45 ресурсов авторы отнесли к открытым, а 28 к пригодным для исследований ИИ в области женской онкологии. Это не полный перечень существующих данных: обзор охватывает открытые ресурсы и наборы с доступным описанием, к которым можно запросить доступ
Пример таблицы с данными, полный набор тут
Какие пробелы выявил обзор
1. Гинекологическая визуализация. Есть три открытых набора (MMOTU, UterUS и USOVA3D), которые авторы выявили в исследованиях ИИ. Все они содержат изображения трансвагинального УЗИ. Открытых наборов гинекологических МРТ или видеозаписей лапароскопии, уже использованных в исследованиях ИИ, авторы не обнаружили
2. Неонкологические состояния. По сравнению с онкологией доступные ресурсы хуже покрывают распространённые гинекологические состояния, менструальное и материнское здоровье. Например, приложения для отслеживания цикла собирают данные, но сам факт сбора не означает, что эти данные доступны независимым исследователям
3. Связь между разными типами данных. Изображения, результаты анализов, сведения о симптомах и исходах лечения могут храниться раздельно. Если их нельзя сопоставить на уровне одной пациентки, сложнее оценить, повышает ли добавление изображений точность прогноза по сравнению с моделью, которая использует только клиническую информацию
4. География и состав выборок. Авторы отмечают недостаточную представленность стран Глобального Юга и преобладание участников европейского генетического происхождения в ряде онкологических наборов.
Авторы используют географическую классификацию ВОЗ, согласно которой страны Центральной Азии, Кавказа и Россия входят в Европейский регион ВОЗ, хотя имеют очень разнообразный этнический состав. Неизвестно, представлены ли жители этих стран в наборах данных, а указание этнической принадлежности само по себе редко встречается в наборах данных
Таблица с пробелами в данных
Я рекомендую прочитать эту статью целиком, поскольку в ней содержатся ценные замечания об источниках данных и состояниях здоровья, которые я тут не пересказала
Источник
Текст подготовила #ИраЕвдокимова
@FemtechForce — о технологиях для здоровья женщ