[논문 리뷰] Enabling Global Image Data Sharing in the Life Sciences

Peter Bajcsy, Sreenivas Bhattiprolu외 21명|arXiv (Cornell University)|2024. 01. 23.

Scientific Computing and Data Management인용 수 5

한 줄 요약

이 백서는 생물의학에서 글로벌 이미지 데이터 공유의 일반적이고 새로운 사용 사례를 개관하고, 필요한 프레임워크(기술적, 법적, 윤리적, 자원조달)를 논의하며, 10년 이내에 이상적 공동 데이터 생태계로의 경로를 제시한다.

ABSTRACT

Coordinated collaboration is essential to realize the added value of and infrastructure requirements for global image data sharing in the life sciences. In this White Paper, we take a first step at presenting some of the most common use cases as well as critical/emerging use cases of (including the use of artificial intelligence for) biological and medical image data, which would benefit tremendously from better frameworks for sharing (including technical, resourcing, legal, and ethical aspects). In the second half of this paper, we paint an ideal world scenario for how global image data sharing could work and benefit all life sciences and beyond. As this is still a long way off, we conclude by suggesting several concrete measures directed toward our institutions, existing imaging communities and data initiatives, and national funders, as well as publishers. Our vision is that within the next ten years, most researchers in the world will be able to make their datasets openly available and use quality image data of interest to them for their research and benefit. This paper is published in parallel with a companion White Paper entitled Harmonizing the Generation and Pre-publication Stewardship of FAIR Image Data, which addresses challenges and opportunities related to producing well-documented and high-quality image data that is ready to be shared. The driving goal is to address remaining challenges and democratize access to everyday practices and tools for a spectrum of biomedical researchers, regardless of their expertise, access to resources, and geographical location.

연구 동기 및 목표

• 생명과학에서 글로벌 이미지 데이터 공유의 가치와 인프라를 실현하기 위한 협력적 조치를 촉진한다.
• 생물학적 및 의학적 영상 데이터의 일반적이고 새로운 사용 사례를 식별하며, AI 주도 분석을 포함한다.
• 공유 이미지 데이터 프레임워크에 필요한 기술적, 자원조달, 법적, 윤리적 요건을 논의한다.
• 기관, 커뮤니티, 재원 제공자, 출판사를 위한 이상적인 미래 시나리오와 실용적 조치를 제시한다.

제안 방법

• 생명과학과 관련된 영상 데이터 및 AI 애플리케이션의 일반적이고 새롭게 부상하는 사용 사례를 제시한다.
• 대규모 공유를 가능하게 하는 데 필요한 기술적, 자원, 법적, 윤리적 측면을 논의한다.
• 글로벌 이미지 데이터 공유를 위한 이상적 세계 시나리오와 생명과학 전반에 걸친 이점을 개요한다.
• 기관, 영상 커뮤니티, 데이터 이니셔티브, 국가 재원 제공자를 위한 구체적 조치를 제시한다.
• 발생 및 사전 게시 관리의 조화를 다루는 동반 논문을 더 넓은 노력의 일환으로 위치시킨다.

실험 결과

연구 질문

• RQ1 생물학 및 의학에서 공유 이미지 데이터의 가장 영향력 있는 사용 사례는 무엇인가?
• RQ2 글로벌 이미지 데이터 공유를 가능하게 하는 데 필요한 기술적, 법적, 윤리적, 자원 프레임워크는 무엇인가?
• RQ3 다음 10년간 이상적이고 전 세계적으로 공유된 이미지 데이터 생태계는 어떤 모습일까?
• RQ4 그 목표를 향해 나아가기 위해 기관, 커뮤니티, 재원 제공자, 출판사가 구체적으로 어떤 조치를 실행할 수 있을까?

주요 결과

• 공유 이미지 데이터와 AI 기법의 혜택을 받을 일반적이고 새롭게 부상하는 사용 사례의 식별.
• 데이터 공유를 위한 기술적, 자원조달, 법적, 윤리적 차원의 필요한 프레임워크에 대한 논의.
• 전 세계 연구자들이 10년 이내에 개방형 이미지 데이터 세트에 일상적으로 접근할 수 있는 이상적 세계의 비전.
• 준비성과 관리 역량을 강화하기 위해 기관, 영상 커뮤니티, 데이터 이니셔티티브, 국가 재원 제공자, 출판사를 향한 구체적 조치.