基于生成式 AI 的 2 型糖尿病多模态数据集合成与评估

《Scientific Data》：A Synthetic Multi-modal Dataset for Type 2 Diabetes

　　

摘要

2型糖尿病（T2DM）是一种普遍存在的慢性疾病，会影响多个器官系统。人工智能（AI）在推进2型糖尿病研究方面展现出巨大潜力，因为它能够实现复杂多模态数据的整合分析。然而，由于合同限制以及对患者隐私的担忧，多模态数据集的获取受到制约，这限制了现有资源的传播。在此，我们介绍了AI-READI这一大型多模态糖尿病研究数据集的合成版本的开发和评估工作。该合成数据集通过生成式AI技术构建，包含了93,856张视网膜底片图像、56,512张光学相干断层扫描图像以及10,518条表格数据记录，这些数据记录结合了临床诊断结果、实验室检测值以及可穿戴传感器的信息。我们的评估表明，合成数据能够捕捉原始AI-READI数据集各模态之间的许多关联特征，同时对旨在侵犯参与者隐私的攻击具有很强的抗性。该合成数据集旨在支持2型糖尿病研究中的教育、创新和可重复性工作，并采用了更为宽松的许可协议进行发布，从而比原始AI-READI数据集具有更广泛的应用范围。