今天，Synthetic hEalthcare dAta goveRnanCe Hub (SEARCH) 正式启动，该项目旨在通过生成符合FAIR标准的合成数据来加速医疗创新，这些数据将用于AI/ML模型中。SEARCH 是一个多学科倡议，专注于创建合成医疗数据，并促进生物医学生态系统内的安全数据共享。这一启动标志着医疗研究的重大飞跃，通过前沿的合成数据生成和联邦学习方法，推动数字健康和AI驱动诊断的进步。
SEARCH 将解决医疗数据访问的关键挑战，通过创建一个平台来实现多模态医疗数据的安全、隐私保护的搜索、共享和分析。该项目由都柏林三一学院协调，通过三一转化医学研究所（TTMI）在圣詹姆斯医院开展，汇集了来自欧洲的26个跨部门合作伙伴，包括合成数据专家、医疗保健提供者和解决方案开发者，以解锁数据驱动医疗创新的新机会。该项目在创新健康倡议联合体（IHI JU）的支持下，初始预算超过1520万欧元。
SEARCH 旨在通过生成符合FAIR标准的合成数据来加速医疗创新，这些数据可以用于AI/ML模型，从而在保护隐私和遵守监管标准的同时，实现大规模的数据协作。SEARCH 将提供可靠的合成数据生成（SDG）方法，达到最高标准的准确性和适用性，显著增加互操作数据集的可用性。这些数据集将用于开发支持诊断、个性化治疗和预测健康结果的AI工具，改善患者护理，同时降低隐私风险。
都柏林三一学院三一转化医学研究所（TTMI）主任兼SEARCH项目负责人艾德恩·隆教授（Professor Aideen Long）表示：“SEARCH 提供了一个无与伦比的机会，加速研究和临床创新。通过提供高质量的、符合FAIR标准的合成数据集，我们可以赋予研究人员、临床医生和行业前所未有的合作能力。这为更快的药物发现、更个性化的治疗以及基于证据的医疗政策的制定打开了大门——所有这一切都不会侵犯患者隐私。作为一名教育工作者，我看到合成数据集作为培训工具的无价价值，使学生和专业人士能够在维护最高患者保密标准的同时，提高他们的数据分析技能。”
希腊塞萨洛尼基大学的迪米特里斯·亚科维迪斯教授（Professor Dimitris Iakovidis）表示：“SEARCH 代表了医疗保健领域的范式转变，通过在多样化的医疗用例中生成和共享强大的合成数据。我们的方法利用了联邦学习和先进的SDG方法，创建能够复制真实世界数据统计属性的合成数据集，同时确保患者隐私。这将为医疗保健提供者和研究人员提供高质量的数据，以推动下一代AI和精准医疗工具的发展。”
结合数据清洁室和联邦学习，多个机构可以在不泄露患者数据的情况下进行协作，从分散的数据源中提取洞察，同时确保患者数据安全存储在其原始位置。SEARCH 的创新合成数据生成技术不仅将民主化医疗数据的访问，还将为新的诊断和治疗工具奠定基础，这些工具由AI/ML驱动。
关键目标和创新
- 下一代合成数据：SEARCH 利用深度生成模型创建医疗数据（电子健康记录、基因组学、医学信号和放射影像）的现实合成副本，复制真实世界数据的性能，同时保护隐私。
- 联邦学习和数据清洁室保障隐私与规模：通过将患者数据安全地保留在其原始位置，SEARCH 的隐私保护框架增强了医疗行业的协作，同时保护敏感信息。这促进了AI模型的开发和新医疗工具的广泛应用。
- 加速AI创新：SEARCH 将通过提供黄金标准的合成数据集来支持生物医学AI解决方案的基准测试，从而推动尖端的AI驱动决策支持工具的开发，加快诊断工具的推出，并创造新的个性化医疗方法。
历史性影响
SEARCH 将在革新医疗保健方面发挥关键作用，促进更快的创新、缩短新型数字健康干预措施的上市时间，并提供更好的个性化治疗。通过合成数据方法，SEARCH 将揭示心血管、胃肠道和妇科疾病的新见解，同时确保患者隐私的保护。
SEARCH 的努力将通过临床研究验证合成数据，与现实世界的医疗保健相结合。这种合成数据和隐私保护架构的独特组合有潜力推动增强患者结果、改进诊断和开辟新的公私合作医疗保健途径的AI/ML创新。
都柏林三一学院的主要研究员（约翰·奥利里教授、卡拉·马丁博士和莎伦·奥图尔博士）正在验证合成数据在针对妇科癌症的研究中的应用。通过展示其在筛查、早期诊断和精准医疗中的效用，这项工作将展示合成数据的变革潜力，同时确保临床决策中的隐私和准确性。
(全文结束)
