Svelato nuovo dataset IA per ricerca avanzata sul diabete di tipo 2
RomeStudi importanti stanno esaminando il diabete di tipo 2. I ricercatori hanno condiviso un nuovo dataset da uno studio che analizza biomarcatori e fattori ambientali. I risultati iniziali mostrano una forte correlazione tra il progresso della malattia e l'esposizione all'inquinamento. Il dataset è dettagliato e include informazioni da una vasta gamma di partecipanti, con l'obiettivo di migliorare l'uso dell'IA nella ricerca sul diabete.
Il progetto prevede di raccogliere dati da 4.000 persone, suddivise equamente tra diversi gruppi.
Diversità di Popolazione e Gravità del Diabete
- Etnia: Bianca, Nera, Ispanica, Asiatica
- Gravità della Malattia: Nessun diabete, prediabete, controllo farmacologico/non insulinico, diabete tipo 2 controllato con insulina
- Sesso: Rappresentanza equa di uomini e donne
AI-READI, un progetto sostenuto dagli Istituti Nazionali di Sanità, è un elemento centrale di questo piano. Si concentra sulla condivisione globale dei dati per la ricerca, garantendo nel contempo che avvenga in modo etico e sicuro. I ricercatori utilizzano questi dati per approfondire la comprensione dello sviluppo del diabete e del miglioramento della salute. Lo studio analizza sia le cause della malattia che i fattori che favoriscono il miglioramento, per scoprire modi ottimali per gestire o addirittura prevenire il diabete.
21 novembre 2024 · 15:27
Gli Stati Uniti dominano l'innovazione AI, la Cina insegue nel ranking di Stanford
La raccolta dati impiega metodologie innovative. Sensori installati nelle abitazioni dei partecipanti monitorano la qualità dell'aria e collegano queste informazioni ad altri parametri di salute, come test glicemici e scansioni oculari. Questi dati integrati offrono una visione dettagliata di come il diabete di tipo 2 si sviluppa e progredisce.
Il progetto è una collaborazione tra esperti di diabete volta a sviluppare un solido sistema per la ricerca scientifica futura. Coinvolge numerose istituzioni, unendo diverse competenze. L'obiettivo è creare dataset che illustrino il funzionamento della malattia e stimolino nuove idee per sperimentazioni su gruppi di persone in tutto il mondo.
L'importanza dell'IA nella ricerca: l'intelligenza artificiale consente agli scienziati di analizzare enormi volumi di dati, individuando schemi e connessioni che potrebbero sfuggire ai metodi tradizionali. Questo potrebbe portare allo sviluppo di nuove strategie per prevenire o curare malattie.
L'accesso a questi insiemi di dati avviene attraverso una piattaforma online sicura, garantendo facilità d'uso e la riservatezza delle informazioni dei partecipanti. Il rilascio iniziale ha ricevuto feedback positivi, dimostrando la necessità globale di dati dettagliati e pronti per l'intelligenza artificiale nella ricerca sul diabete.
Lo studio è pubblicato qui:
http://dx.doi.org/10.1038/s42255-024-01165-xe la sua citazione ufficiale - inclusi autori e rivista - è
Sally L. Baxter, Virginia R. de Sa, Kadija Ferryman, Prachee Jain, Cecilia S. Lee, Jennifer Li-Pook-Than, T. Y. Alvin Liu, Julia P. Owen, Bhavesh Patel, Qilu Yu, Linda M. Zangwill, Amir Bahmani, Christopher G. Chute, Jeffrey C. Edberg, Samantha Hurst, Hiroshi Ishikawa, Aaron Y. Lee, Gerald McGwin, Shannon McWeeney, Camille Nebeker, Cynthia Owsley, Sara J. Singer, Riddhiman Adib, Mohammad Adibuzzaman, Arash Alavi, Catherine Ashley, Adrienne Baer, Erik Benton, Marian Blazes, Aaron Cohen, Benjamin Cordier, Katie Crist, Colleen Cuddy, Aydan Gasimova, Nayoon Gim, Stephanie Hong, Trina Kim, Wei-Chun Lin, Jessica Mitchell, Caitlyn Ngadisastra, Victoria Patronilo, Jamie Shaffer, Sanjay Soundarajan, Kevin Zhao, Caroline Drolet, Abigail Lucero, Dawn Matthies, Hanna Pittock, Kate Watkins, Brittany York, Charles E. Amankwa, Monique Bangudi, Nada Haboudal, Shahin Hallaj, Anna Heinke, Lingling Huang, Fritz Gerald P. Kalaw, Apoorva Karsolia, Hadi Khazaei, Muna Mohammed, Kyongmi Simpkins, Xujing Wang. AI-READI: rethinking AI data collection, preparation and sharing in diabetes research and beyond. Nature Metabolism, 2024; DOI: 10.1038/s42255-024-01165-x20 novembre 2024 · 17:56
Salto sensoriale: l'AI riconosce le texture delle superfici con tecnologia quantistica
Condividi questo articolo