A metrológia szerepe az AI által támogatott digitális biomarker-kutatásban és -fejlesztésben
Kulcsszavak:
digitális biomarkerek, mesterséges intelligencia, validálás, adatminőség, egészségügyi technológiaAbsztrakt
A tanulmány a metrológia szerepkörét elemzi a digitális biomarker kutatás-fejlesztésében, különösen a mesterséges intelligencia és nagy nyelvi modellek integrációja kapcsán. Rámutat arra, hogy a digitális biomarkerek technológiai fejlődése ellenére hiányoznak az egységes szabványok és értékelési protokollok, ami hátráltatja a klinikai alkalmazhatóságot. A metrológiai szemlélet alkalmazása segítheti a validálást, a nyomon követhetőséget és a szabványosítást, így támogatva a digitális biomarkerek ipari hasznosítását és egészségügyi elfogadottságát.
Hivatkozások
Coravos, A. et al. (2019). Digital biomarkers for health monitoring. NPJ Digital Medicine.. https://www.nature.com/articles/s41746-019-0090-4
FDA (2018). Bioanalytical Method Validation Guidance. https://www.fda.gov/media/70858/download
Powell, D. (2024). Walk, talk, think, see and feel: harnessing the power of digital biomarkers in healthcare. NPJ Digital Medicine. https://www.nature.com/articles/s41746-024-01023-w
Wilkinson, M. D. et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data. https://www.nature.com/articles/sdata201618
DiMe Society (2023). The Playbook: Digital Clinical Measures. https://playbook.dimesociety.org/
Pálhalmi, J. et al. (2019). A Statistical Metrology Approach to Compare the Quality of Optical Pulse Wave Signals. Computing in Cardiology , Vol 46. DOI: 10.22489/CinC.2019.165 https://www.analog.com/media/en/technical-documentation/tech-articles/optical-integration-without-compromises.pdf
Tretter, M. et al. (2025). AI-produced certainties in health care: current and future challenges. AI and Ethics. Springer Nature. https://link.springer.com/article/10.1007/s43681-023-00374-6
Bommasani, R. et al. (2022). On the Opportunities and Risks of Foundation Models. arXiv https://arxiv.org/pdf/2108.07258
Chen, S.-Y. et al. (2024). Perceptions of ChatGPT in healthcare: usefulness, trust, and risk. Frontiers in Public Health. https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2024.1457131/full
Open mHealth. https://www.openmhealth.org/
PhysioNet. https://physionet.org/
FDA Guidance on Clinical Trials. https://www.fda.gov/regulatory-information/search-fda-guidance-documents
EURAMET EMN for Health. https://www.euramet.org/metrology-for-societys-challenges/metrology-for-health
Mathews, S. C. et al. (2019). Digital health: a path to validation. NPJ Digital Medicine. https://pmc.ncbi.nlm.nih.gov/articles/PMC6550273/
Large Language Models for Medical Applications. Frontiers in Medicine. 2025. https://www.frontiersin.org/research-topics/64598/large-language-models-for-medical-applications
IMDRF SaMD Definitions.
https://www.imdrf.org/documents/software-medical-device-samd-key-definitions
European Medicines Agency:
Pálhalmi, J. et al. (2024). AI-Powered Microscopy Platform for Airborne Biothreat Detection. Springer Nature.
https://link.springer.com/chapter/10.1007/978-3-031-62083-6_10
##submission.downloads##
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2025 János Pálhalmi
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
