Heute hat CCC eine Antwort auf a eingereicht Informationsanfrage der National Institutes of Health (NIH) zu ihrem strategischen Plan für Datenwissenschaft 2023–2028. Die Antwort wurde von den folgenden Computerexperten verfasst: Tony Capra (University of California-San Francisco), David Danks (University of California San Diego, CCC-Ratsmitglied), Haley Griffin (CCC), Carl Kingsford (Carnegie Mellon University), Rittika Shamsuddin (Oklahoma State), Katie A. Siek (Indiana University, CCC-Ratsmitglied), Mona Singh (Princeton University, CCC-Ratsmitglied), Donna Slonim (Tufts University) und Tammy Toscos (Parkview Health, CRA-I-Ratsmitglied) .

Die Autoren lobten das NIH für eine beeindruckende Liste von Zielen im Strategieplan, äußerten jedoch Bedenken hinsichtlich der Ausbildung, des Fachwissens, der Daten und der zusätzlichen Mittel, die zur Umsetzung des Plans erforderlich sind. Sie stellten außerdem fest, dass mehr Empfehlungen gefordert als vorgeschlagen werden sollten.

Sie gaben außerdem folgende Empfehlungen zur Verbesserung des Strategieplans ab:

Zusätzliche Details, die für die Implementierung erforderlich sind: 

• Überlegen Sie, wie Sie qualitative und medienreiche Daten erfassen können, die in zukünftigen datenwissenschaftlichen Analysen verwendet werden können.
• Fördern Sie die Definition und Pflege von Metadaten, die den Kontext und den Verlauf der gesammelten Daten erfassen.
• Beziehen Sie IT-Führungskräfte aus staatlichen und lokalen Gesundheitsministerien in die Einführung von IT-Standards im Gesundheitsbereich ein.
• Unterstützen Sie die Entwicklung strategischer Wege, um auf die sozialen Bedürfnisse von Einzelpersonen/Gemeinschaften einzugehen, um sicherzustellen, dass die gesammelten Daten repräsentativ, ethisch fundiert und sinnvoll sind.
• Definieren Sie Strategien, um Missverständnissen und mangelndem Bewusstsein in der Öffentlichkeit über die Verwendung von Gesundheitsdaten für Forschungszwecke entgegenzuwirken, da Transparenz nicht automatisch zu Verständnis in der Gemeinschaft führt.
• Fordern Sie Hochschulen auf, zu dokumentieren, wie sie interdisziplinäre Forschung unterstützen.
• Definieren und unterstützen Sie klar öffentlich-private Partnerschaften, um dem realen Druck auf die Gesundheitssysteme Rechnung zu tragen.
• Berücksichtigen Sie die Probleme und Chancen synthetischer Daten, die von KI-/ML-Systemen generiert werden.
• Fügen Sie einen Plan für den Fall der Integration falscher Daten hinzu. KI/ML-Tools zur Fehlererkennung und -behebung sollten unterstützt werden.
• Fordern Sie Institutionen auf, über Kontrollmechanismen zu verfügen, um sicherzustellen, dass Menschen aus historisch ausgegrenzten Gruppen echte Forschungserfahrungen erhalten und ethisch behandelt werden.
• Nutzen Sie bei Bedarf Mechanismen, Dokumentation und Berichterstattung, um zu zeigen, wie finanzierte Institutionen daran gearbeitet haben, die Notwendigkeit zu verringern, verschiedene Gruppen über „Resilienz“ zu unterrichten.
• Nehmen Sie die Schließung von Datenlücken in Gemeinden, die keinen regelmäßigen Zugang zu Gesundheitssystemen haben, als Hauptziel oder Unterziel in den Plan auf.
• Berücksichtigen Sie Chancenlücken beim Datenzugang zwischen gut finanzierten, etablierten Institutionen und Institutionen ohne so viel Finanzierung und Zugang in Zuschussbudgets, um die Finanzierung für alle Gesundheitsorganisationen zugänglich zu machen. 

Zusätzliche Mittel/Ressourcen zur Unterstützung der Umsetzung:

• Verstärken Sie Initiativen zur Unterstützung von Doppelbesetzungspositionen und interdisziplinären Positionen. 
• Unterstützen Sie die Implementierungswissenschaftsschulung, möglicherweise in Form eines Aufrufs zur Anpassung der Implementierungswissenschaftsrahmenwerke bei der Entwicklung neuer Softwaretechnologien.
• Unterstützen Sie den Zugriff auf Rechenressourcen wie GPUs durch die Finanzierung neuer Hardware an verschiedenen Institutionen und stellen Sie den Zugriff auf gemeinsam genutzte Cloud-Ressourcen zu Preisen bereit, die angesichts der aktuellen NIH-Zuschussbudgets erschwinglich sind.
• Unterstützen Sie reine Computerforschung (während Studienabschnitten und Überprüfungskriterien), die sich auf biologische Daten bezieht, und nicht nur auf angewandte biomedizinische Forschung.
• Unterstützen Sie standardisierte Datenformate, die Anforderungen an den Dateninhalt (erforderliche Felder, standardisierte Terminologie) beinhalten, damit die Daten bereit sind, in KI-Systeme eingefügt und analysiert zu werden.
• Unterstützen Sie Sommerforschungsmöglichkeiten für MS-Studenten, um die Pipeline zukünftiger Data-Science-Forscher zu unterstützen.
• Stellen Sie Mentoren nicht nur finanzielle Mittel zur Verfügung, um sie zu betreuen, sondern auch, um ihre Forschung mit Forschungsfinanzierungsvorschlägen mit geringen Gemeinkosten am Laufen zu halten. Fordern Sie außerdem von den Institutionen eine Dokumentation darüber, wie die Forschungsbetreuung historisch ausgegrenzter Gruppen bei deren Beförderung und Amtszeit im Dienst, in der Lehre und in der Forschung bewertet wird.
• Bereitstellung von Finanzierungsmechanismen, die den Auszubildenden helfen, in der Ausbildungspipeline zu bleiben.
• Entwickeln Sie Tools, mit denen Benutzer problemlos zu diesen Ressourcen beitragen, auf die darin enthaltenen Daten zugreifen und die daraus abgeleiteten Informationen (z. B. die Website des NIH) interpretieren können, um den Zugriff und die einfachere Nutzung von Daten zu erweitern.  

Die Autoren schlugen außerdem die folgenden Partnerschaften vor, an denen sich das NIH beteiligen könnte:

• Lokale Non-Profit-Organisationen/Gemeinschaftsorganisationen helfen NIH dabei, unterversorgte Gemeinden zu erreichen, Finanzmittel dort bereitzustellen, wo sie am meisten benötigt werden, und mit der betroffenen Bevölkerung zu kommunizieren. 
• Bundesinstitutionen, die Daten- und/oder Systemforschung unterstützen, einschließlich FFRDCs, die einen Schwerpunkt auf Datenwissenschaft und Datenmanagement legen (z. B. das Software Engineering Institute).
• Experten des öffentlichen Gesundheitswesens, da es von entscheidender Bedeutung ist, das Netzwerk des öffentlichen Gesundheitswesens und die Art und Weise, wie die Patientenversorgung dazugehört, zu verstehen. Fachkräfte des öffentlichen Gesundheitswesens verfügen oft nicht über die neueste EHR und auch nicht über die nötigen Mittel für die Integration in Computertechnologien.
• Auch wenn es sehr unwahrscheinlich ist, dass Pharmaunternehmen Daten weitergeben, nutzen sie viele öffentliche Daten und kümmern sich um die Bedürfnisse der öffentlichen Gesundheit, sodass eine Zusammenarbeit mit ihnen von Vorteil wäre.
• NSF (insbesondere Supercomputing-Zentren), einschließlich NSF-KI-Institute mit Schwerpunkt auf biomedizinischen Herausforderungen (z. B. AI-CARING) sowie Abteilungen innerhalb der CISE-Direktion, die sich auf Systeme, Programmiersprachen, Computerbiologie und Algorithmen konzentrieren.
• Department of Energy (DOE)
• Militärische Forschungssysteme
• Veteran Affairs (VA) – Die VA-Krankenhäuser und die damit verbundenen Pflegesysteme sammeln große Mengen an Patientendaten, die sowohl häufige (z. B. kardiovaskuläre) als auch einzigartige (z. B. kampfbedingte PTBS) Gesundheitsherausforderungen darstellen. Eine Partnerschaft mit ihnen könnte einzigartige Datenressourcen bereitstellen und sehr unterschiedliche Patienten- und Anbieterperspektiven hervorheben.   

Auf hoher Ebene betonten die Autoren, dass viele biomedizinische Forschungsbemühungen Fortschritte in der Grundlagenforschung der Informatik erfordern, auch in Bereichen wie Programmiersprachen, Algorithmen und Systemen. Auch diese Bereiche müssen in einem beispiellosen Umfang unterstützt werden, um die Ziele dieses Plans zu erreichen, insbesondere um die Dateninteroperabilität, reproduzierbare und verteilte Verarbeitung, Datenverfügbarkeit mit geringer Latenz, Komprimierung, Suche und Speicherung von Daten zu unterstützen.

Lesen Sie die vollständige Antwort von CCC hier.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://feeds.feedblitz.com/~/873633950/0/cccblog~CCC-Responds-to-RFI-on-NIH%e2%80%99s-Strategic-Plan-for-Data-Science/