Danes je CCC predložil odgovor na a Zahteva za informacije, ki so jo objavili Nacionalni inštituti za zdravje (NIH) o njihovem strateškem načrtu za podatkovno znanost 2023–2028. Odgovor so napisali naslednji računalniški strokovnjaki: Tony Capra (Univerza Kalifornija-San Francisco), David Danks (Univerza Kalifornije San Diego, član sveta CCC), Haley Griffin (CCC), Carl Kingsford (Univerza Carnegie Mellon), Rittika Shamsuddin (država Oklahoma), Katie A. Siek (univerza Indiana, članica sveta CCC), Mona Singh (univerza Princeton, članica sveta CCC), Donna Slonim (univerza Tufts) in Tammy Toscos (Parkview Health, članica sveta CRA-I) .

Avtorji so pozdravili NIH za impresiven seznam želja v strateškem načrtu, vendar so izrazili pomisleke glede usposabljanja, strokovnega znanja, podatkov in dodatnih sredstev, potrebnih za izvedbo načrta. Opozorili so tudi, da bi bilo treba več priporočil zahtevati, ne pa predlagati.

Podali so tudi naslednja priporočila za izboljšanje strateškega načrta:

Dodatne podrobnosti, potrebne za omogočanje izvedbe: 

• Razmislite, kako zajeti kvalitativne in medijsko bogate podatke, ki jih je mogoče uporabiti v prihodnji analizi znanosti o podatkih.
• Spodbujajte opredelitev in vzdrževanje metapodatkov, ki zajemajo kontekst in zgodovino zbranih podatkov.
• Pri sprejemanju zdravstvenih standardov IT vključite vodje IT iz državnih in lokalnih ministrstev za zdravje.
• Podpirati oblikovanje strateških načinov za obravnavanje družbenih potreb posameznikov/skupnosti, da se zagotovi, da so zbrani podatki reprezentativni, etično pridobljeni in smiselno vplivni.
• Določite strategije za odpravo napačne komunikacije in pomanjkanja ozaveščenosti splošne javnosti o uporabi zdravstvenih podatkov za raziskave, saj preglednost ne vodi samodejno k razumevanju skupnosti.
• Od visokošolskih institucij zahtevati, da dokumentirajo, kako podpirajo interdisciplinarno raziskovanje.
• Jasno opredelite in podprite javno-zasebna partnerstva, da boste lahko upoštevali dejanski pritisk na zdravstvene sisteme.
• Razmislite o težavah in priložnostih sintetičnih podatkov, ki jih ustvarijo sistemi AI/ML.
• Vključite načrt za vključitev nepravilnih podatkov. Podpreti je treba orodja AI/ML za prepoznavanje in popravljanje napak.
• Od institucij zahtevajte, da imajo zavore in ravnotežja, da zagotovijo, da bodo ljudje iz zgodovinsko izključenih skupin deležni resničnih raziskovalnih izkušenj in da bodo obravnavani etično.
• Po potrebi uporabite mehanizme, dokumentacijo in poročanje, da pokažete, kako so financirane institucije delovale, da bi zmanjšale potrebo po poučevanju različnih skupin o »odpornosti«.
• Kot glavni cilj ali podcilj v načrt vključite odpravo vrzeli v podatkih skupnosti, ki nimajo rednega dostopa do sistemov zdravstvenega varstva.
• Razmislite o možnostih vrzeli v dostopu do podatkov med dobro financiranimi, uveljavljenimi ustanovami in ustanovami brez toliko financiranja in dostopa v proračunih za nepovratna sredstva, da omogočite dostop do financiranja vsem zdravstvenim organizacijam. 

Dodatna sredstva/viri za podporo izvajanja:

• Povečati pobude, namenjene podpori položajev z dvojnim imenovanjem in interdisciplinarnih položajev. 
• Podprite usposabljanje na področju znanosti o implementaciji, morda v obliki poziva k prilagoditvi okvirov znanosti o implementaciji pri razvoju novih tehnologij programske opreme.
• Podprite dostop do računalniških virov, kot so grafični procesorji, prek financiranja nove strojne opreme v različnih institucijah in zagotovite dostop do skupnih virov oblaka po cenah, ki so cenovno dostopne glede na trenutne ravni proračuna NIH.
• Podprite čiste računalniške raziskave (med študijskimi odseki in merili za pregled), ki se uporabljajo za biološke podatke in ne samo za uporabne biomedicinske raziskave.
• Podprite standardizirane formate podatkov, ki vključujejo zahteve glede vsebine podatkov (zahtevana polja, standardizirana terminologija), tako da so podatki pripravljeni za vstavljanje v sisteme AI in analizo.
• Podprite poletne raziskovalne priložnosti za študente MS, da bi pomagali naboru bodočih raziskovalcev podatkovne znanosti.
• S predlogi za financiranje raziskav z nizkimi režijskimi stroški zagotovite financiranje mentorjem, da ne le mentorirajo, temveč tudi nadaljujejo svoje raziskave. Poleg tega od institucij zahtevajte dokumentacijo o tem, kako se raziskovalno mentorstvo zgodovinsko izključenih skupin vrednoti pri njihovem napredovanju in zaposlitvi v službi, poučevanju in raziskovanju.
• Zagotovite mehanizme financiranja, ki bodo tečajnikom pomagali ostati v načrtu usposabljanja.
• Razvijte orodja, ki bodo uporabnikom pomagala enostavno prispevati, dostopati do podatkov v njih in interpretirati informacije, pridobljene iz teh virov (kot je spletno mesto NIH), da razširite dostop in enostavnost uporabe podatkov.  

Avtorji so predlagali tudi naslednja partnerstva, v katera bi lahko sodeloval NIH:

• Lokalne neprofitne organizacije/organizacije skupnosti, ki pomagajo NIH doseči skupnosti s premalo sredstev, zagotovijo financiranje tam, kjer je najbolj potrebno, in komunicirajo s prizadetim prebivalstvom. 
• Zvezne ustanove, ki podpirajo raziskave podatkov in/ali sistemov, vključno s FFRDC, ki imajo velik poudarek na znanosti o podatkih in upravljanju podatkov (npr. Inštitut za programsko inženirstvo).
• Strokovnjaki za javno zdravje, saj je bistveno razumeti omrežje javnega zdravstva in način, na katerega se oskrba pacientov vključuje. Strokovnjaki za javno zdravje pogosto nimajo najnovejšega EZK niti sredstev, potrebnih za integracijo z računalniškimi tehnologijami.
• Farmacevtska podjetja, čeprav je zelo malo verjetno, da bodo delila podatke, uporabljajo veliko javnih podatkov in obravnavajo potrebe javnega zdravja, zato bi bilo sodelovanje z njimi koristno.
• NSF (zlasti superračunalniški centri), vključno z inštituti za umetno inteligenco NSF s poudarkom na biomedicinskih izzivih (npr. AI-CARING), kot tudi oddelki znotraj direktorata CISE, ki se osredotočajo na sisteme, programske jezike, računalniško biologijo in algoritme.
• Ministrstvo za energijo (DOE)
• Vojaški raziskovalni sistemi
• Veteranske zadeve (VA) – Bolnišnice VA in povezani sistemi oskrbe zbirajo velike količine podatkov o pacientih, ki predstavljajo tako pogoste (npr. srčno-žilne) kot edinstvene (npr. z bojem povezani PTSM) zdravstvene izzive. Partnerstvo z njimi bi lahko zagotovilo edinstvene vire podatkov in poudarilo zelo različne perspektive bolnikov in ponudnikov.   

Na visoki ravni so avtorji poudarili, da veliko biomedicinskih raziskovalnih prizadevanj zahteva napredek v temeljnih raziskavah računalništva, vključno s področji, kot so programski jeziki, algoritmi in sistemi. Ta področja je prav tako treba podpreti v obsegu brez primere, da bi izpolnili cilje tega načrta, zlasti za podporo interoperabilnosti podatkov, ponovljivi in ​​porazdeljeni obdelavi, razpoložljivosti podatkov z nizko zakasnitvijo, stiskanju, iskanju in shranjevanju podatkov.

Preberite celoten odgovor CCC tukaj.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://feeds.feedblitz.com/~/873633950/0/cccblog~CCC-Responds-to-RFI-on-NIH%e2%80%99s-Strategic-Plan-for-Data-Science/