构建标准化的健康数据框架

快速阅读: 据《印度教商业线》称，健康数据在不同平台间流转，用于医疗AI解决方案，但面临标准化等挑战。印度医疗初创公司呼吁政府资助数据集建设，以促进AI发展，同时强调数据隐私和匿名化的重要性。

从智能手表中的健康和健身追踪器到手机上日益增多的医疗保健应用程序，你的健康数据会在不同平台间多次流转。其中部分数据可能被处理，为医生提供你整体健康状况的信息；有时，它还会被用于开发结合人工智能的技术解决方案，这些方案能够填补国家医疗体系中的空白、提升健康结果和患者护理质量、发现高效的药物或者绘制疾病模式。然而，获取健康数据这一敏感问题依然面临诸多挑战，健康解决方案提供商呼吁实现标准化等支持性措施。

**Onward Assist创始人兼首席执行官多内什·科卡**指出，规范化数据对于帮助医疗初创企业开发基于人工智能的解决方案至关重要。他回顾医疗数据收集的细微差别时表示，过去20年间由于实验室信息系统的普及，生物识别生成的数据表现良好。不过，挑战在于这些数据并不总是“结构化的”或“统一的”，例如单位和标签存在差异（如糖分测量方式的不同）。他提到：“这需要规范化和标准化。”

影像数据同样具有其复杂性，因为它涉及使用普通或专业相机采集面部细节，包括口腔和眼睛（视网膜或眼底相机）。他说：“使用普通或专业相机捕获这些数据相对简单，但难点在于如何利用这些数据进行分析或应用人工智能。所用相机类型以及光线条件等因素非常重要。”

另一种医学成像形式是放射学，包括X光、CT扫描或超声波。“放射学的一大优势是其数据已经数字化了10到15年，放射科医生不再依赖胶片，而是通过工作站撰写报告。这种数字化以及图像质量较高且有一定标准，使得构建人工智能算法变得有利。因此，放射学领域存在较多得到监管批准的人工智能产品。”

第三个重要的数据来源是病理学中的组织样本。“在显微镜下检查经过试剂处理的组织样本可以获取详细信息。传统上，这些信息是以模拟形式存在的，表现为玻璃载片或纸质报告，或者实验室信息系统中的文本格式。这对数据的数字化以及从中提取有意义的见解提出了挑战，因为人工智能需要的是数字信息，而报告通常是段落形式而非结构化数据。在过去两三年里，由于成本下降，病理学的数字化开始受到关注。”

**可信数据**

AI驱动的患者监控平台Vigocare的首席技术官阿基鲁·巴蒂普罗卢表示，在印度不像美国等国家那样容易获得数据集。此外，还存在对数据来源和可信度的担忧。在开发解决方案时，需要测试在其他地区训练的模型是否适用于印度患者的实际情况，以确保其有效性并符合监管要求。不过，也有优势，一位初创公司的创始人指出，通过与医院合作生成新数据相对容易且成本效益高，只要遵循伦理和法律程序即可。他说：“初创公司可以与医院合作，提供服务以换取数据访问权限，这有助于弥补现有数据集的不足。然而，最初缺乏现成的标准化数据仍然是一个关键挑战。”

**泰伦加纳邦率先行动**

为医疗保健初创企业提供数据以训练人工智能模型，帮助解决现实世界的问题。“我们宣布向医疗保健初创企业提供数据后，引起了极大兴趣。许多初创企业已经联系我们。”信息技术和工业秘书贾耶什·兰詹说。

**敏感数据**

阿基鲁指出，包括患者姓名、电话号码、职业及工作信息在内的个人身份信息（PII）非常敏感，公司需遵守欧盟《通用数据保护条例》（GDPR）及其他国家特定限制的规定。这些规定对处理个人身份信息提供了指导方针，包括数据存储的地理位置限制。

生命体征（如体温、心率、呼吸频率和心电图）相关数据可以在匿名化后使用——这意味着数据将与直接个人信息分开存储，并关联患者ID。“目前创建大型精心策划的数据集的主要资金来自拨款，并由公共机构和医院主导。我认为初创公司也应获得政府拨款来构建此类数据集，这些数据集可以作为国家资源用于进一步研究。这将在该领域建立更大、更安全的生态系统方面发挥重要作用。”多内什·科卡说。

**评论**

更多相关内容……

美印贸易谈判：确保药品价格实惠
药物测试的替代方案
疟疾终结
跑步、健康饮食和阅读
二十年来英国临床试验法的重大更新
2025年4月20日发布

(以上内容均由Ai生成)