Brain Digital Slide Archive: An Open Source Whole Slide Image Sharing Platform for AD/ADRD Research and Diagnostics
Notice bibliographique
Résumé
BACKGROUND: Neuropathological evaluation of brain tissue remains the gold standard for diagnosing neurodegenerative diseases. However, limited data sharing and variability in sample preparation pose significant challenges. Advances in digital pathology and machine learning offer opportunities to standardize approaches and improve diagnostic accuracy. METHOD: Building on the Digital Slide Archive (DSA), originally designed for cancer imaging, we are developing the NIH U24 funded Brain Digital Slide Archive (BDSA), a federated, open-source platform tailored to support research and diagnostics in neurodegenerative diseases. The BDSA supports whole slide images (WSIs) for Alzheimer's disease (AD) and Alzheimer's disease-related dementias (ADRDs), adhering to FAIR (findable, accessible, interoperable, reusable) data principles. Metadata associated with WSIs aligns with the National Alzheimer's Coordinating Center (NACC) Data Front Door for enhanced accessibility. Workflows to enable standardized sharing of WSIs, annotations, and metadata, while supporting the development and validation of machine learning algorithms across diverse datasets. RESULT: Initial development includes integrating WSIs from nine AD/ADRD-focused research centers, harmonizing data across institutions, and implementing universal data-sharing agreements. An anonymization tool has been incorporated to scrub labels from WSIs, ensuring donor confidentiality. Required data use agreements and material transfer agreements have been completed for all contributing U.S.-based sites. Administrative best practices, including regular software testing and standardized protocols, are being applied to create a robust and secure platform. The BDSA will provide a unified resource for research, diagnostics, and training, facilitating scalable and reproducible analyses while preserving institutional data control. CONCLUSION: The BDSA aims to democratize access to neuropathological data through a standardized, user-friendly digital repository. By integrating tools for privacy, data sharing, and machine learning, this platform will enhance understanding of neurodegenerative diseases and foster collaboration across institutions. As a federated open-source resource, the BDSA has the potential to transform digital neuropathology, driving innovation in AD/ADRD research and diagnostics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,048 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».