利用谷歌搜索广告众包皮肤病图像：创建真实世界皮肤状况数据集
计算机与社会
2024-11-26 v1
摘要
背景：来自临床来源的健康数据集无法反映真实世界中疾病的广度和多样性，影响了研究、医学教育和人工智能工具的开发。皮肤病学是开发和测试一种新的、可扩展的方法来创建代表性健康数据集的合适领域。方法：我们使用谷歌搜索广告邀请贡献者向一个开放获取的皮肤病状况图像、人口统计和症状信息数据集提交内容。在获得贡献者知情同意后，我们描述并发布了该数据集，其中包含自2023年3月起8个月内来自美国互联网用户的5,033次贡献中的10,408张图像。该数据集包括皮肤科医生标注的疾病标签，以及图像的估计菲茨帕特里克皮肤类型和估计蒙克肤色标签。结果：我们每天收到中位数为22份的提交（四分位距14-30）。女性（66.72%）和较年轻（52%年龄<40岁）的贡献者在数据集中的代表性高于美国人口，32.6%的贡献者报告为非白人族裔或种族身份。超过97.5%的贡献是真实的皮肤状况图像。皮肤科医生在给出鉴别诊断时的信心随着可用变量数量的增加而增加，并且与图像清晰度的相关性较弱（斯皮尔曼P值分别<0.001和0.01）。大多数贡献为短期病程（54%发病时间<7天），89%为过敏、感染或炎症性疾病。eFST和eMST分布反映了数据集的地理来源。结论：搜索广告能有效众包健康状况图像。SCIN数据集填补了常见皮肤状况代表性图像可用性的重要空白。
引用
@article{arxiv.2402.18545,
title = {Crowdsourcing Dermatology Images with Google Search Ads: Creating a Real-World Skin Condition Dataset},
author = {Abbi Ward and Jimmy Li and Julie Wang and Sriram Lakshminarasimhan and Ashley Carrick and Bilson Campana and Jay Hartford and Pradeep Kumar S and Tiya Tiyasirichokchai and Sunny Virmani and Renee Wong and Yossi Matias and Greg S. Corrado and Dale R. Webster and Dawn Siegel and Steven Lin and Justin Ko and Alan Karthikesalingam and Christopher Semturs and Pooja Rao},
journal= {arXiv preprint arXiv:2402.18545},
year = {2024}
}