Pusat Inovasi Data baru-baru ini berbicara dengan Rod Frey, CEO DataMintsebuah perusahaan yang membuat alat bertenaga AI untuk peneliti medis. Frey membahas bagaimana DataMint menyediakan platform terpusat di mana dokter, anotator, dan ilmuwan data dapat bekerja sama dalam proyek AI, memecahkan masalah umum dalam keandalan dan manajemen kumpulan data kolaborasi.
Daud berkata: Masalah apa yang dipecahkan oleh DataMint?
Batang Frey: Proyek AI medis pada dasarnya merupakan upaya tim. Sebuah proyek mungkin melibatkan dokter yang mengidentifikasi kebutuhan klinis, anotator yang memberi label pada ratusan gambar, dan pelatihan ilmuwan data serta menyempurnakan model. Agar semua hal ini dapat berjalan bersama, setiap orang perlu beroperasi dari kumpulan data, gambar, dan anotasi yang sama, sekaligus memiliki visibilitas penuh terhadap pembuatan versi, ulasan, dan pembaruan pada data yang tersedia.
Namun, saat ini struktur tersebut belum ada. Dokter yang ingin menggunakan model AI sering kali kekurangan infrastruktur untuk mengelola jalur data yang kompleks, sementara laboratorium AI khusus kewalahan dan tidak dapat menangani setiap proyek yang diminta. Akibatnya, tim akhirnya bekerja dengan spreadsheet yang tersebar, rangkaian email, dan alat yang tidak terhubung. Fragmentasi ini memperlambat kemajuan dan membuat kolaborasi rentan terhadap kesalahan.
DataMint memecahkan masalah ini dengan menyediakan infrastruktur dan alur kerja bersama yang dibutuhkan tim AI medis. Kami memberi para dokter, anotator, dan ilmuwan data sebuah platform tunggal untuk mengelola data, melacak eksperimen, dan berkolaborasi secara real-time, sehingga proyek tetap dapat diandalkan dan dapat direproduksi dari awal hingga akhir.
Diperlukan: Bagaimana DataMint memudahkan peneliti bekerja dengan pencitraan medis?
Frey: Di platform kami, fokus kami adalah pada prinsip infrastruktur bersama. Dokter, anotator, dan ilmuwan data bekerja dari gambar, anotasi, dan kumpulan data yang sama. Hal ini menghilangkan penundaan dan miskomunikasi yang disebabkan oleh file lokal dan alur kerja yang terfragmentasi.
Kami juga membuat anotasi lebih mudah diakses. Alat pencitraan tradisional seperti ITK-Snap dan 3D Slicer sangat kuat namun sulit dipelajari. DataMint menyediakan alat anotasi berbasis web tanpa instalasi yang disesuaikan dengan tugas pencitraan medis, sehingga dokter dan anotator dapat memberi label data secara konsisten tanpa hambatan teknis. Sedangkan untuk data scientist, pustaka Python kami secara otomatis menyinkronkan kumpulan data lokal dengan versi pusat. Hal ini memastikan bahwa model selalu dilatih berdasarkan data terbaru, menghilangkan pembaruan manual dan konflik versi, dan memungkinkan peneliti untuk fokus pada pengembangan model daripada pengelolaan data.
Diperlukan: Bagaimana platform Anda membantu peneliti menjaga keandalan penelitian mereka?
Frey: Dalam proyek AI kolaboratif, keandalan sering kali terganggu karena anggota tim yang berbeda mengerjakan revisi kumpulan data atau model yang berbeda. Seseorang mungkin mengubah pra-pemrosesan, orang lain mungkin menyesuaikan label, namun kecuali langkah-langkah tersebut diambil dan dibagikan, riwayat akan hilang, sehingga hasil sulit dipercaya atau ditiru.
DataMint memecahkan masalah ini dengan secara otomatis mencatat jalannya pelatihan dan menangkap kumpulan data persis seperti yang ada di setiap titik. Hal ini memungkinkan tim untuk meninjau kembali eksperimen sebelumnya, membandingkan hasil dari waktu ke waktu, dan menyimpan catatan kemajuan yang lengkap dan dapat diaudit, sehingga memastikan keandalan tidak hanya untuk pekerjaan tim itu sendiri, tetapi juga untuk tinjauan peraturan dan peneliti di masa depan.
Diperlukan: Apa yang membedakan DataMint dari alat serupa?
Frey: Sebagian besar perangkat lunak anotasi berhenti pada pelabelan gambar, namun proyek AI medis membutuhkan lebih dari itu, mereka memerlukan alur kerja bersama yang menghubungkan manajemen data, anotasi, dan pelacakan eksperimen. Itulah yang membedakan DataMint, kami tidak hanya menangani gambar, kami mendukung seluruh siklus pengembangan AI medis.
Platform kami melacak setiap label melalui rantai peninjauan dan proses kualifikasi, menyimpan log audit untuk kepatuhan, dan berintegrasi langsung dengan alat yang digunakan oleh data scientist. Dengan mengembangkan alur kerja klinis dan persyaratan peraturan, kami menyediakan struktur yang dibutuhkan tim medis untuk beralih dari ide ke model AI yang berfungsi. Sementara perusahaan lain menawarkan perangkat lunak yang menangani anotasi gambar, DataMint mendukung alur kerja penuh penelitian AI medis, mulai dari mengelola kumpulan data hingga mereproduksi eksperimen dan mempersiapkan persetujuan peraturan di masa depan.
Diperlukan: Bagaimana Anda melihat DataMint mengubah penggunaan alat AI oleh peneliti medis?
Frey: Saat ini, banyak dokter yang ingin menggunakan model AI tetapi tidak memiliki infrastruktur untuk menjalankan proyek yang kompleks dan melibatkan banyak orang. Mereka mungkin mencoba menyatukan spreadsheet, rangkaian email, dan skrip lokal, namun hal ini membuat kolaborasi menjadi lambat dan rawan kesalahan.
Dengan menurunkan risiko ini melalui platform bersama, DataMint membantu peneliti klinis membuka gelombang baru inovasi AI medis tanpa perlu menjadi insinyur data. Di masa depan, kita melihat AI menjadi hal yang umum dalam penelitian seperti halnya stetoskop dalam praktiknya: sebuah alat standar dan andal yang dapat digunakan oleh setiap dokter untuk memajukan dunia kedokteran.
