(Optimalizované Gleasonovy klasifikace datového souboru TCGA PRAD) je výsledkem spolupráce Codatta a DPath.ai a stanovuje nový standard pro patologická data připravená pro AI. S pomocí platformy Codatta, která shromáždila komunitu špičkových patologických expertů, tento datový soubor překonává tradiční anotace na úrovni řezu a zavádí prostorové anotace na úrovni ROI, což zvyšuje podrobnost, přesnost a transparentnost diagnostiky. Díky optimalizovaným Gleasonovým klasifikacím, podrobným důvodům anotací a mapováním Gleasonovy klasifikace založené na ROI se tento datový soubor stává klíčovým zdrojem pro vývoj modelů AI a výzkum patologie, čímž řeší klíčové výzvy při vytváření vysoce kvalitních anotovaných dat. Díky modelu Roylaty Codatta mohou přispěvatelé zachovat vlastnictví svých děl, zajistit si uznání a trvalou hodnotu, zatímco DPath.ai ukazuje, jak mohou spolupracující řešení podpořit rozvoj AI v patologii.

Obrázek 1: Optimalizovaná Gleasonova klasifikace datového souboru TCGA PRAD. Zdroj obrázku: https://huggingface.co/datasets/Codatta/Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset

Co je datový soubor TCGA PRAD?

Optimalizované Gleasonovy klasifikace datového souboru TCGA PRAD (Prostatický adenokarcinom v rámci projektu Cancer Genome Atlas) vylepšily původní anotace na úrovni řezu tím, že zahrnuly prostorové anotace na úrovni ROI. Tento datový soubor byl společně vyvinut Codatta a DPath.ai a byl vytvořen ve spolupráci s komunitou patologů, podporující globální účast a zajišťující vlastnictví anotací. Tento přístup zvyšuje přesnost, podrobnost a spolehlivost diagnostiky, což jsou klíčové prvky pro trénink modelů AI a výzkum patologie.

Organizací 435 celých obrazů TCGA patologie identifikovali patologové 245 případů, které potřebovaly zlepšení anotací, a potvrdili 190 případů jako přesně anotovaných. Tento datový soubor obsahuje metadat na úrovni řezu a prostorové anotace na úrovni ROI, což poskytuje výzkumníkům cenné zdroje pro vývoj AI pipeline, interaktivní prozkoumávání nádorových oblastí a pokročilý výzkum patologie.

Zplnomocnění AI patologie: Codatta a DPath.ai společně

(Optimalizované Gleasonovy klasifikace datového souboru TCGA PRAD) demonstrují potenciál spolupráce a komunitou řízeného vytváření dat, zároveň zvyšují přesnost a podrobnost anotací, což činí trénink modelů AI spolehlivější a podporuje rozvoj lékařského výzkumu. Tyto příspěvky však vyžadují odborné znalosti, čas a úsilí, a proto je zapotřebí udržitelné struktury pobídek pro uznání a odměňování práce kvalifikovaných odborníků.

Model Roylaty

Model Roylaty společnosti Codatta nabízí řešení. Ve srovnání s tradičním modelem Web2 (jako je Scale AI) zvyšuje efektivitu příspěvků a získávání dat. I když Scale AI vyniká v uspokojování okamžitých preferencí likvidity běžných uživatelů a dokáže rychle a efektivně shromažďovat velké objemy dat, jeho vysoké náklady vylučují malé účastníky, když se jedná o odborníky v oboru vykonávající specializované úkoly. Codatta udržuje shodu s kvalifikovanými odborníky a specialisty tím, že nabízí podmínky a odměny založené na aktivech. Jak ukazuje obrázek 2 níže, tyto pobídky přitahují přispěvatele ochotné investovat do vysoce kvalitních odborných dat, přestože se návratnost může opozdit, potenciální zisky jsou vyšší, což činí Codatta ideální volbou pro vertikální AI a pokročilé aplikace, které vyžadují přesnost a odbornost.

Obrázek 2: Mapa dovedností v příspěvcích dat a preferencích likvidity

Na rozdíl od vysokých počátečních nákladů Scale AI, model Roylaty Codatta odstranil finanční bariéry pro malé AI startupy tím, že zavedl systém platby na vyžádání. Tento přístup demokratizoval přístup k důležitým předním datům bez nutnosti drahých počátečních investic, což umožňuje startupům prokázat shodu svých produktů s trhem a škálovat. Navíc tím, že převádí data na likvidní aktiva na decentralizovaných finančních trzích, Codatta zajišťuje, že přispěvatelé mohou vyvážit krátkodobé potřeby likvidity s dlouhodobým vlastnictvím aktiv. Funkce jako dohodnuté transakce a částečné vlastnictví dále optimalizují likviditu, což činí odměny založené na aktivech atraktivnějšími pro širší okruh přispěvatelů. Tato konzistence podporuje spolupráci, podněcuje inovace v specializovaných aplikacích AI a vytváří různorodý investiční ekosystém pro tvůrce dat a startupy.

DPath.ai: Spolupracující řešení pro výzvy dat AI v patologii

DPath.ai buduje decentralizovanou platformu, jejímž cílem je propojit patologii, výzkumníky a vývojáře modelů AI po celém světě. Jsme odpovědní za získávání, kurátorování a výměnu vysoce kvalitních dat v patologii, aby se kdokoli, kdo má zájem o trénink modelu AI, mohl zapojit. Platforma DPath využívá technologii blockchain, aby zajistila transparentnost, spravedlnost a bezpečnost výměny dat.

Platformy jako DPath.ai mohou využívat decentralizovaný datový protokol Codatta pro společné a transparentní získávání anotací:

  • Definice úkolu: Jasné standardy anotací (např. Gleasonova klasifikace pro rakovinu prostaty) zajišťují konzistenci a spolehlivost výsledných dat.

  • Společenská účast: Globální zkušení patologové se zapojují prostřednictvím platformy Codatta a jsou motivováni jejím modelem Roylaty, aby získali trvalé odměny propojené s budoucí hodnotou datového souboru.

  • Kvalita a integrita: Ověření na základě blockchainu a víceúrovňové křížové odkazy zajišťují sledovatelné vysoce kvalitní anotace a zároveň zvyšují odpovědnost anotátorů.

  • Bezpečnost a přístupnost: Ukládání dat decentralizovaným způsobem zajišťuje, že vlastnictví dat zůstává bezpečné a přístupné pro příslušné jednotlivce.

Obrázek 3: Spolupráce Codatta a DPath.ai. Zdroj obrázku: https://huggingface.co/datasets/Codatta/Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset

Získávání specifických dat v oboru spoluprací, DPath.ai nejenže obohatila datový soubor TCGA PRAD o přesné Gleasonovy klasifikace, ale také ukázala, jak platforma Codatta vytváří špičková data pro odborné AI oblasti. Tento přístup podporuje udržitelnou účast, demokratizuje přístup k datům a urychluje vývoj spravedlivých a efektivních AI systémů ve zdravotnictví.

Závěr

(Optimalizované Gleasonovy klasifikace datového souboru TCGA PRAD) je výsledkem spolupráce Codatta a DPath.ai, která zvýšila diagnostickou přesnost a podrobnost dat AI patologie díky anotacím na úrovni ROI s uvedením důvodů. Zapojením globálních expertů na patologii tento projekt zajišťuje vysokou kvalitu dat a zároveň odměňuje přispěvatele prostřednictvím modelu Roylaty Codatta, čímž poskytuje trvalou hodnotu a vlastnictví. Tento přístup také podporuje spolupráci, zlepšuje likviditu dat a urychluje vývoj AI ve zdravotnictví, předvádí sílu decentralizovaných, komunitou řízených řešení.