AI-READI项目旨在建立公平、公正和伦理的大数据访问方式，增强人工智能在诊断系统性疾病方面的能力，推动眼科研究的进步。
眼科医生处于这场革命的前沿，因为眼科组学这一概念的出现，使得利用视网膜图像作为诊断多种系统性疾病的手段成为可能，因为视网膜图像提供了对微血管结构和功能的无创视觉访问。
尽管眼科组学仍处于初级阶段，但已经有许多令人兴奋的应用正在探索中。为了最大化这一新兴科学的潜力，我们必须追求几项关键策略。其中之一是推广易于使用、成本效益高的多模态成像设备，这些设备可以在大规模人群研究中使用，并能够在多个临床站点扩展。例如，低成本的多模态设备（如Topcon Maestro2）对于大规模数据收集和部署以实现人口级医疗保健交付非常重要。
重要的是，我们必须努力开发伦理来源的旗舰数据集。作为一名数据科学家和视网膜专家，我已经训练视网膜成像的深度学习模型多年。我们在这个过程中遇到的一个挑战是现有数据集的局限性，这些数据集限制了我们可以训练的模型及其潜在偏差。
Bridge2AI 和 AI-READI 项目
几年前，美国国立卫生研究院（NIH）共同基金发起了其“通往人工智能”（Bridge2AI）项目的拨款申请。Bridge2AI旨在通过促进和准备广泛采用AI来推进生物医学研究。
该计划的关键举措之一是“人工智能就绪且公平的糖尿病见解图谱”（AI-READI）项目，其目标是创建一个伦理来源的旗舰数据集，为未来AI和机器学习研究提供关于2型糖尿病（T2DM）的关键见解。
我和同事Cecilia S. Lee博士（也是我的妻子）申请了这个项目，提出了我们认为最理想的用于训练深度学习模型的数据集。我们的提案成为NIH决定支持的四个数据生成项目之一。
在过去两年中，我们从一个具有代表性的T2DM人群中收集数据，平衡了疾病严重程度、种族/民族和性别。重要的是，数据集将力求使白人、黑人、亚裔美国人和西班牙裔人数相等，以确保训练出的模型不会带有偏见。数据包括各种多模态图像以及从远程环境中收集的可穿戴设备和环境传感器数据。
最近，我们发布了初始数据集，包含1,067人。我们接下来的目标是在未来两年半内收集总共4,000人的数据，并使其公开可用。为此，我们必须解决许多伦理考虑。例如，如何使尽可能多的人可以访问这些数据，同时确保分享方式不会对慷慨捐赠数据的参与者造成伤害？
为了解决这些问题和其他担忧，我们开发了一个框架和自定义门户，采用了全新的理念，使数据更有可能公开共享。
建立知情同意
一个关键步骤是向选择参与的人清楚传达倡议条款。我们创建了一份知情同意协议，详细说明了一些数据将公开共享，而更敏感的数据将在受控访问下共享，需要机构协议。协议还解释说，数据将被用于非营利和商业实体，但不会给参与者带来任何利润。
考虑到技术的快速演变，我们也承认，基于我们对当前技术的理解，我们相信共享这些数据是安全的，但未来情况可能会发生变化。
对于希望访问数据的人，我们开发了一系列声明，用户必须逐字输入。这些声明包括用户不得尝试重新识别数据集中的人、不得利用数据集伤害任何人或未经数据门户授权将数据集复制并提供给其他人。我们选择了这种方法而不是使用冗长复杂的法律协议，以确保用户真正阅读并理解条款。
对于希望了解数据使用情况的参与者和研究人员，我们建立了一个所有披露意图的注册表。这个研究计划注册表对公众开放。
创建软件许可证
虽然软件许可证早已存在，包括一些特定于数据的许可证，但我们认为一些许可证（如Creative Commons许可证）过于宽松，因此我们与法律学者合作，创建了一个全新的许可证，为人们能做什么和不能做什么设置法律保护。
实施数据“水印”
对于每个请求数据的人，我们有一个自动化过程，在文件中嵌入唯一数字签名，与该人的身份相关联。如果数据集出现在网上，表明有人违反了条款，水印可以让我们确定是谁分享了数据。这项措施非常新且实验性，但我们希望它能提供一些问责制。
眼科组学和人工智能的发展前景
我们的项目和我们为确保公平、公正、伦理的数据访问而采取的策略可能是同类中的第一个，我们希望它们将成为加速该领域发展的基础。
展望未来，推进眼科组学领域最重要的成功因素将是协作和协调。AI-READI项目包括来自政府、学术界、研究医学和产业界的利益相关者。这种组织无缝合作的举措是确保AI最终能够实现我们所相信的——为患者护理带来可衡量、有意义的改进的最佳途径。
(全文结束)
