Bugün CCC bir yanıt gönderdi Ulusal Sağlık Enstitüleri (NIH) tarafından Veri Bilimi Stratejik Planı 2023-2028 hakkında yayımlanan Bilgi Talebi. Yanıt şu bilgisayar uzmanları tarafından yazılmıştır: Tony Capra (Kaliforniya Üniversitesi-San Francisco), David Danks (Kaliforniya San Diego Üniversitesi, CCC Konsey Üyesi), Haley Griffin (CCC), Carl Kingsford (Carnegie Mellon Üniversitesi), Rittika Shamsuddin (Oklahoma Eyaleti), Katie A. Siek (Indiana Üniversitesi, CCC Konsey Üyesi), Mona Singh (Princeton Üniversitesi, CCC Konsey Üyesi), Donna Slonim (Tufts Üniversitesi) ve Tammy Toscos (Parkview Health, CRA-I Konsey Üyesi) .

Yazarlar, Stratejik Plandaki hedeflerin etkileyici bir listesi için NIH'yi alkışladılar, ancak planın uygulanması için gereken eğitim, uzmanlık, veriler ve ek fonlarla ilgili endişelerini dile getirdiler. Ayrıca, önerilenden ziyade daha fazla öneriye ihtiyaç duyulması gerektiğini de belirttiler.

Ayrıca Stratejik Planın iyileştirilmesine yönelik şu önerilerde bulundular:

Uygulamayı etkinleştirmek için gereken ek ayrıntılar: 

• Gelecekteki veri bilimi analizinde kullanılabilecek niteliksel ve medya açısından zengin verilerin nasıl yakalanacağını düşünün.
• Toplanan verilerin bağlamını ve geçmişini yakalayan meta verilerin tanımlanmasını ve bakımını teşvik edin.
• Sağlık BT standartlarını benimserken eyalet ve yerel sağlık departmanlarından BT liderlerini dahil edin.
• Toplanan verilerin temsili, etik kaynaklı ve anlamlı derecede etkili olmasını sağlamak amacıyla bireylerin/toplulukların sosyal ihtiyaçlarını karşılamaya yönelik stratejik yolların tasarımını destekleyin.
• Şeffaflık otomatik olarak topluluk anlayışına yol açmadığından, sağlık verilerinin araştırma için kullanılması konusunda halk arasında yanlış iletişim ve farkındalık eksikliğini gidermeye yönelik stratejiler tanımlayın.
• Yükseköğretim kurumlarının disiplinlerarası araştırmayı nasıl desteklediklerini belgelemelerini zorunlu kılın.
• Sağlık sistemleri üzerindeki gerçek dünya baskısını hesaba katmak için kamu-özel sektör ortaklıklarını açıkça tanımlayın ve destekleyin.
• AI/ML sistemleri tarafından oluşturulan sentetik verilerin sorunlarını ve fırsatlarını göz önünde bulundurun.
• Yanlış verilerin ne zaman entegre edileceğine ilişkin bir plan ekleyin. Hataları tanımlamaya ve düzeltmeye yönelik AI/ML araçları desteklenmelidir.
• Tarihsel olarak dışlanmış gruplardan insanlara gerçek araştırma deneyimleri sunulmasını ve etik olarak davranılmasını sağlamak için kurumların kontrol ve dengeye sahip olmasını zorunlu kılın.
• Finanse edilen kurumların farklı gruplara "dayanıklılık" konusunda eğitim verme ihtiyacını azaltmak için nasıl çalıştığını göstermek için mekanizmaları, belgeleri ve raporlamayı gerektiği şekilde kullanın.
• Sağlık sistemlerine düzenli erişimi olmayan toplulukların verilerindeki açıkların kapatılmasını ana hedef veya alt hedef olarak plana dahil edin.
• Finansmanın tüm sağlık kuruluşları için erişilebilir olmasını sağlamak amacıyla, iyi finanse edilen, yerleşik kurum ve kuruluşlar arasında, çok fazla finansman ve hibe bütçelerinde erişim bulunmayan kurumlar arasındaki veri erişimindeki fırsat boşluklarını göz önünde bulundurun. 

Uygulamayı destekleyecek ek fonlar/kaynaklar:

• İkili atama pozisyonlarını ve disiplinler arası pozisyonları desteklemeyi amaçlayan girişimleri artırın. 
• Uygulama bilimi eğitimini, belki de yeni yazılım teknolojilerinin geliştirilmesinde uygulama bilimi çerçevelerini uyarlamaya yönelik bir çağrı şeklinde destekleyin.
• Çeşitli kurumlarda yeni donanım finansmanı yoluyla GPU'lar gibi bilgi işlem kaynaklarına erişimi destekleyin ve mevcut NIH hibe bütçesi seviyeleri göz önüne alındığında uygun fiyatlı oranlarda paylaşılan bulut kaynaklarına erişim sağlayın.
• Yalnızca uygulamalı biyomedikal araştırma yerine biyolojik verilere uygulanan saf hesaplamalı araştırmayı (çalışma bölümleri ve inceleme kriterleri sırasında) destekleyin.
• Verilerin yapay zeka sistemlerine eklenmeye ve analiz edilmeye hazır olması için veri içeriğine ilişkin gereksinimleri (gerekli alanlar, standartlaştırılmış terminoloji) içeren standartlaştırılmış veri formatlarını destekleyin.
• Gelecekteki veri bilimi araştırmacılarının iletişim hattına yardımcı olmak amacıyla MS öğrencilerine yönelik yaz araştırma fırsatlarını destekleyin.
• Mentorlere yalnızca mentorluk yapmak için değil, aynı zamanda düşük genel araştırma finansmanı teklifleriyle araştırmalarını sürdürmeleri için fon sağlayın. Ek olarak, kurumlardan, tarihsel olarak dışlanmış grupların araştırma danışmanlığına, onların hizmet, öğretim ve araştırmadaki terfileri ve görev süreleri açısından nasıl değer verildiğine ilişkin belgeler talep edin.
• Kursiyerlerin eğitim sürecinde kalmalarına yardımcı olacak finansman mekanizmaları sağlayın.
• Erişimi genişletmek ve verilerden yararlanma kolaylığını genişletmek için kullanıcıların bu kaynaklara (NIH'nin web sitesi gibi) kolayca katkıda bulunmasına, içindeki verilere erişmesine ve bu kaynaklardan elde edilen bilgileri yorumlamasına yardımcı olacak araçlar geliştirin.  

Yazarlar ayrıca NIH'nin katılabileceği aşağıdaki ortaklıkları da önerdiler:

• NIH'nin kaynakları yetersiz olan topluluklara ulaşmasına, en çok ihtiyaç duyulan yerlerde finansman sağlamasına ve etkilenen nüfuslarla iletişim kurmasına yardımcı olacak yerel kar amacı gütmeyen kuruluşlar/topluluk kuruluşları. 
• Veri bilimi ve veri yönetimine büyük önem veren FFRDC'ler de dahil olmak üzere, veri ve/veya sistem araştırmalarını destekleyen federal kurumlar (örneğin, Yazılım Mühendisliği Enstitüsü).
• Kamu sağlığı uzmanları, halk sağlığı ağını ve hasta bakımının nasıl uyum sağladığını anlamak çok önemlidir. Halk sağlığı profesyonelleri çoğu zaman en son EHR'ye veya bilgisayar teknolojileriyle entegrasyon için gerekli finansmana sahip değildir.
• İlaç şirketleri, veri paylaşma olasılıkları çok düşük olsa da, birçok kamu verisini kullanıyor ve halk sağlığı ihtiyaçlarını karşılıyorlar, bu nedenle onlarla çalışmak faydalı olacaktır.
• NSF (özellikle süper bilgi işlem merkezleri), biyomedikal zorluklara (örn. AI-CARING) odaklanan NSF AI Enstitülerinin yanı sıra CISE müdürlüğü içindeki sistemler, programlama dilleri, hesaplamalı biyoloji ve algoritmalara odaklanan bölümler de dahil.
• Enerji Bakanlığı (DOE)
• Askeri araştırma sistemleri
• Gazi İşleri (VA) – VA hastaneleri ve ilgili bakım sistemleri, hem yaygın (örn. kardiyovasküler) hem de benzersiz (örn. savaşla ilgili TSSB) sağlık sorunlarını temsil eden büyük miktarda hasta verisi toplar. Onlarla ortaklık kurmak benzersiz veri kaynakları sağlayabilir ve çok farklı hasta ve sağlayıcı bakış açılarını öne çıkarabilir.   

Yazarlar, yüksek düzeyde, birçok biyomedikal araştırma çabasının, programlama dilleri, algoritmalar ve sistemler gibi alanlar da dahil olmak üzere temel bilgisayar bilimi araştırmalarında ilerlemeler gerektirdiğini vurguladı. Bu planın hedeflerine ulaşmak için, özellikle verilerin birlikte çalışabilirliğini, yeniden üretilebilir ve dağıtılmış işlemeyi, düşük gecikmeli veri kullanılabilirliğini, verilerin sıkıştırılmasını, aranmasını ve depolanmasını desteklemek için bu alanların benzeri görülmemiş bir ölçekte desteklenmesi gerekmektedir.

CCC'nin yanıtının tamamını okuyun okuyun.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://feeds.feedblitz.com/~/873633950/0/cccblog~CCC-Responds-to-RFI-on-NIH%e2%80%99s-Strategic-Plan-for-Data-Science/