Banbrytande AI-datamängd lanserad för forskning om typ 2-diabetes och miljöpåverkan.
StockholmForskare genomför betydelsefulla studier om typ 2-diabetes. De har delat ett nytt dataset från en studie som undersöker biomarkörer och miljöfaktorer. Tidiga resultat visar en stark koppling mellan sjukdomens utveckling och exponering för föroreningar. Datamängden är omfattande och inkluderar information från ett brett spektrum av deltagare, med målet att förbättra användningen av AI i diabetesforskningen.
Projektet planerar att samla in data från 4 000 personer, jämnt fördelat mellan olika grupper.
- Etnicitet: Vit, Svart, Latinamerikansk, Asiatisk
- Sjukdomsgrad: Ingen diabetes, prediabetes, diabetes kontrollerad utan insulin, insulinberoende typ 2-diabetes
- Kön: Jämn representation av män och kvinnor
AI-READI är en viktig del av planen, med stöd från National Institutes of Health. Det betonar vikten av att dela data för forskning globalt, samtidigt som man säkerställer att detta görs etiskt och säkert. Forskare använder dessa data för att bättre förstå hur diabetes utvecklas och hur hälsan kan förbättras. Studien undersöker både vad som orsakar sjukdomen och vad som hjälper människor att återhämta sig, för att hitta bättre sätt att hantera eller till och med förebygga diabetes.
Datainsamlingen använder innovativa metoder. Sensorer i deltagarnas hem övervakar luftkvaliteten och kopplar denna information till andra hälsomätningar som glukostester och ögonskanningar. Denna samlade data ger en detaljerad bild av hur typ 2-diabetes utvecklas och fortskrider.
12 november 2024 · 21:32
AI lär sig tolka getansikte för att upptäcka smärtsignaler och förbättra vården
Projektet är ett samarbete mellan experter inom diabetes för att bygga ett robust system för framtida vetenskaplig forskning. Det involverar flera institutioner som samlar en bred kunskapsbas. Målet är att skapa datamängder som belyser sjukdomens mekanismer och föder nya idéer för testning i olika populationer världen över.
AI spelar en viktig roll i denna forskning. Genom att använda artificiell intelligens kan forskare gå igenom stora datamängder för att upptäcka mönster och samband som kanske skulle förbisett med traditionella metoder. Detta kan leda till nya sätt att förebygga eller behandla sjukdomar.
Du kan nå dessa dataset via en säker onlineplattform, vilket gör det enkelt att använda och skyddar deltagarnas integritet. Den initiala lanseringen fick positiv feedback och visar på ett globalt behov av datan för djupgående AI-forskning inom diabetes.
Studien publiceras här:
http://dx.doi.org/10.1038/s42255-024-01165-xoch dess officiella citering - inklusive författare och tidskrift - är
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-x11 november 2024 · 20:22
Laser avslöjar fermiums kärnstruktur: genombrott vid GSI/FAIR och universitetet i Mainz
9 november 2024 · 23:10
Bana väg för framtidens polymerer: banbrytande forskning inom proteinstruktur och AI-stöd
Dela den här artikeln