Stomach Health > Salud estómago >  > Q and A > cuestión de estómago

El nuevo software ayuda a evaluar la interoperabilidad y la reutilización de los objetos de investigación digital biomédica

Investigadores del Monte Sinaí, junto con un consorcio internacional de colegas, han desarrollado una nueva caja de herramientas que permite a los científicos evaluar la facilidad con la que otros equipos de investigación pueden utilizar los objetos digitales que generan como resultado de sus proyectos de investigación.

Los resultados, informó hoy en Sistemas celulares, se aplican a los objetos digitales, incluidos los conjuntos de datos, software, código fuente, y otros productos que los científicos desarrollan que pueden ser útiles para la comunidad investigadora.

El objetivo es actualizar la forma en que administramos los datos en la investigación biomédica; compartir y reutilizar los datos de estos proyectos para extraer el máximo valor. Mientras que los financiadores, investigadores, y otras partes interesadas reconocieron que tenemos que hacer un mejor trabajo con la gestión de datos en la investigación biomédica, el camino para hacerlo no estaba claro ".

Avi Ma'ayan, Doctor

Ma'ayan es el director del Mount Sinai Center for Bioinformatics, e investigador principal del estudio.

El equipo espera que a medida que los investigadores biomédicos apliquen la caja de herramientas para evaluar su trabajo, se volverán más conscientes de los pasos simples que pueden tomar para mejorar la usabilidad de sus objetos digitales.

En 2017 y 2018, los Institutos Nacionales de Salud (NIH) financiaron el Consorcio de la fase piloto de datos comunes de los NIH, que trabajó para encontrar formas de ayudar a mejorar el intercambio de objetos de investigación digitales a través de un entorno basado en la nube.

Para implementar un entorno virtual de este tipo, Los investigadores necesitaban desarrollar estándares y una plataforma para ayudar a los científicos a adherirse al FAIR (se puede encontrar, accesible, interoperable, y reutilizables) directrices previamente establecidas por los miembros del consorcio.

Primero, el equipo desarrolló métricas y rúbricas para evaluar la equidad, pero reconoció que estas métricas y rúbricas pueden no aplicarse por igual a todos los dominios de investigación. Entonces crearon la caja de herramientas, llamado FAIRshake, lo que permite a quienes crean objetos digitales no solo evaluar su FAIRness sino también desarrollar nuevos estándares para definir y evaluar FAIRness.

Por lo tanto, los investigadores afirmaron que "FAIRshake permite la coexistencia de múltiples métricas y rúbricas, permitiendo a la comunidad desarrollar estándares de manera más democrática ".

El Dr. Ma'ayan enfatiza que la investigación no necesita ser de acceso abierto para ser JUSTA. "Solo requiere que las personas proporcionen una licencia clara de cómo otros deben usar sus datos, " él dijo.

La caja de herramientas FAIRshake incluye herramientas manuales y automatizadas para evaluar la equidad, que hacen preguntas como, "¿El objeto digital tiene metadatos legibles por máquina?" La caja de herramientas se ha probado durante el año pasado en miles de objetos digitales y el equipo ha publicado tutoriales en Youtube sobre cómo utilizar FAIRshake.

Si bien el Dr. Ma'ayan dice que ha habido una "mejora natural de la accesibilidad y la adopción de esos estándares, incluso sin ningún impulso de nosotros o de los NIH, "También explica que el equipo se sorprendió por algunas de las tendencias que notaron al realizar evaluaciones con el kit de herramientas.

Dijo que pocos investigadores implementaron interfaces de programación de aplicaciones (API), software que permite que diferentes programas de computadora se comuniquen, que son "fundamentales para unir datos". Con frecuencia, los investigadores tampoco proporcionaron licencias para decirles a otros científicos cómo obtener permiso para usar los datos.

A medida que los productos de investigación se vuelven más JUSTOS, los científicos podrán hacer conexiones y construir cosas que no eran posibles antes de usar herramientas como el aprendizaje automático para "transformar la forma en que reutilizamos los datos, "dice el Dr. Ma'ayan.

Other Languages