البيانات البيولوجية

تشير البيانات البيولوجية إلى المركبات أو المعلومات المستمدة من الكائنات الحية ومنتجاتها. ويمكن اعتبار المركبات الطبية المصنعة من الكائنات الحية، مثل المصل أو اللقاح، بيانات بيولوجية. وتتميز البيانات البيولوجية بتعقيدها الشديد مقارنةً بأنواع البيانات الأخرى. وتتنوع أشكال البيانات البيولوجية، ومنها النصوص، وبيانات التسلسل، وبنية البروتينات، والبيانات الجينومية، والأحماض الأمينية، والروابط، وغيرها.

إن إنزيم بوليميراز الحمض النووي الريبي (باللون الأرجواني) هو إنزيم معقد يقع في قلب عملية النسخ. خلال هذه العملية، يقوم الإنزيم بفك اللولب المزدوج للحمض النووي ويستخدم أحد خيوطه (باللون البرتقالي الداكن) كقالب لإنشاء الحمض النووي الريبي الرسول أحادي السلسلة (باللون الأخضر)، والذي تستخدمه الريبوسومات لاحقًا لتخليق البروتين.

البيانات البيولوجية والمعلوماتية الحيوية

تتعاون البيانات البيولوجية بشكل وثيق مع المعلوماتية الحيوية ، وهي تخصص حديث يركز على تلبية الحاجة إلى تحليل وتفسير كميات هائلة من البيانات الجينومية.

في العقود القليلة الماضية، أدت الطفرات في أبحاث الجينوم إلى كميات هائلة من البيانات البيولوجية. ونتيجة لذلك، نشأ علم المعلوماتية الحيوية كنتيجة لتقارب علم الجينوم والتكنولوجيا الحيوية وتكنولوجيا المعلومات، مع التركيز على البيانات البيولوجية.

لطالما شكل تعريف البيانات البيولوجية تحديًا، نظرًا لاتساع نطاق المعلوماتية الحيوية. علاوة على ذلك، ظلّ تعريف الكائن الحي محل جدل، إذ يُمثّل مصطلح "حي" مفهومًا غامضًا يشمل التطور الجزيئي، والنمذجة البيولوجية، والفيزياء الحيوية ، وبيولوجيا الأنظمة . ومنذ العقد الماضي، ازدهرت المعلوماتية الحيوية وتحليل البيانات البيولوجية بفضل التطورات التكنولوجية الهائلة اللازمة لإدارة البيانات وتفسيرها. ويُعدّ هذا المجال مزدهرًا حاليًا، إذ بات المجتمع أكثر تركيزًا على اكتساب البيانات البيولوجية والمعلوماتية الحيوية ونقلها واستغلالها.

أنواع البيانات البيولوجية

يمكن استخلاص البيانات البيولوجية لاستخدامها في مجالات علم الجينوم ، والتصوير الحيوي ، والتصوير الطبي . ويُقدّر علماء الأحياء البيانات البيولوجية لما توفره من تفاصيل جزيئية عن الكائنات الحية. وتُعدّ أدوات تسلسل الحمض النووي، والتعبير الجيني ، والتصوير الحيوي، والتصوير العصبي ، وواجهات الدماغ والحاسوب، جميعها مجالات تستخدم البيانات البيولوجية، وتُحاكي الأنظمة البيولوجية ذات الأبعاد العالية. [ 1 ]

علاوة على ذلك، تشير بيانات التسلسل البيولوجي الخام عادةً إلى الحمض النووي DNA والحمض النووي RNA والأحماض الأمينية . [ 1 ]

يمكن وصف البيانات البيولوجية بأنها بيانات تتعلق بالكائنات الحية. [ 2 ] فعلى سبيل المثال، يمكن تصنيف خصائص مثل: التسلسلات، والرسوم البيانية، والمعلومات الهندسية، والحقول العددية والمتجهة، والأنماط، والقيود، والصور، والمعلومات المكانية، كبيانات بيولوجية، لأنها تصف سمات الكائنات الحية. وفي كثير من الأحيان، ترتبط البيانات البيولوجية بالعديد من هذه الفئات. فعلى سبيل المثال، كما ورد في تقرير المعاهد الوطنية للصحة بعنوان " تحفيز البحث عند تقاطع الحوسبة وعلم الأحياء"، يمكن ربط بنية البروتين بتسلسل أحادي البعد، وصورة ثنائية الأبعاد، وبنية ثلاثية الأبعاد، وهكذا. [ 2 ]

CATH - قاعدة بيانات تصنيف بنية البروتين

قواعد البيانات الطبية الحيوية

كثيراً ما يُشار إلى قواعد البيانات الطبية الحيوية باسم قواعد بيانات السجلات الصحية الإلكترونية ، والبيانات الجينومية في أنظمة قواعد البيانات الفيدرالية اللامركزية، والبيانات البيولوجية، بما في ذلك البيانات الجينومية، التي يتم جمعها من الدراسات السريرية واسعة النطاق. [ 3 ] [ 4 ]

القرصنة البيولوجية وتهديدات الخصوصية

الاختراق البيولوجي

أصبحت هجمات الحوسبة الحيوية أكثر شيوعًا، إذ أظهرت دراسات حديثة أن الأدوات الشائعة قد تُمكّن المهاجم من توليف معلومات بيولوجية يمكن استخدامها لسرقة المعلومات من تحليلات الحمض النووي. [ 5 ] وقد ازداد خطر القرصنة الحيوية وضوحًا مع تزايد شيوع تحليل الحمض النووي في مجالات مثل الطب الشرعي، والبحوث السريرية، وعلم الجينوم.

يمكن تنفيذ القرصنة البيولوجية عن طريق تصنيع حمض نووي خبيث وإدخاله في عينات بيولوجية. وقد وضع الباحثون سيناريوهات توضح خطر القرصنة البيولوجية، مثل وصول المخترق إلى عينة بيولوجية عن طريق إخفاء حمض نووي خبيث على أسطح شائعة، مثل معاطف المختبر أو الطاولات أو القفازات المطاطية، مما يؤدي إلى تلوث البيانات الجينية. [ 5 ]

مع ذلك، يمكن الحد من خطر القرصنة البيولوجية باستخدام تقنيات مشابهة لتلك المستخدمة لمنع هجمات الحقن التقليدية. يستطيع الأطباء والباحثون الحد من القرصنة البيولوجية عن طريق استخلاص المعلومات الجينية من العينات البيولوجية، ومقارنة هذه العينات لتحديد المواد المجهولة. وقد أظهرت الدراسات أن مقارنة المعلومات الجينية بالعينات البيولوجية، لتحديد شفرة القرصنة البيولوجية، كانت فعالة بنسبة تصل إلى 95% في الكشف عن إدخالات الحمض النووي الخبيثة في هجمات القرصنة البيولوجية. [ 5 ]

العينات الجينية كبيانات شخصية

برزت مخاوف تتعلق بالخصوصية في أبحاث الجينوم حول ما إذا كانت عينات الجينوم تحتوي على بيانات شخصية أم ينبغي اعتبارها مادة مادية. [ 6 ] كما تبرز هذه المخاوف لأن بعض الدول تعترف ببيانات الجينوم كبيانات شخصية (وتطبق قواعد حماية البيانات)، بينما تنظر دول أخرى إلى العينات من منظور المادة المادية ولا تطبق قوانين حماية البيانات نفسها على عينات الجينوم. وقد أشير إلى اللائحة العامة لحماية البيانات ( GDPR ) المرتقبة كأداة قانونية محتملة قد تُحسّن من إنفاذ لوائح الخصوصية في بنوك البيانات الحيوية وأبحاث الجينوم. [ 6 ]

مع ذلك، أدى الغموض المحيط بتعريف "البيانات الشخصية" في نص اللائحة العامة لحماية البيانات، لا سيما فيما يتعلق بالبيانات البيولوجية، إلى شكوك حول إمكانية تطبيق اللوائح على العينات الجينية. تنص المادة 4(1) على أن البيانات الشخصية تُعرَّف بأنها "أي معلومات تتعلق بشخص طبيعي مُحدَّد أو قابل للتحديد (صاحب البيانات)" [ 7 ].

تطبيقات التعلم العميق على البيانات البيولوجية

نتيجةً للتقدم السريع في علم البيانات وقوة الحوسبة، تمكن علماء الأحياء من تطبيق أساليب التعلم الآلي كثيفة البيانات على البيانات البيولوجية، مثل التعلم العميق (DL) والتعلم المعزز (RL) ودمجهما (التعلم المعزز العميق). وقد أتاحت هذه الأساليب، إلى جانب الزيادة في سعة تخزين البيانات وقدرات الحوسبة، لعلماء الأحياء استخراج البيانات البيولوجية وتحليل مجموعات البيانات التي كانت في السابق ضخمة أو معقدة للغاية. وقد استُخدم التعلم العميق (DL) والتعلم المعزز (RL) في مجال أبحاث علم الجينوم [ 1 ] (والذي يشمل علم الجينوم، وعلم البروتينات، وعلم الأيض). عادةً، تُستخرج بيانات التسلسل البيولوجي الخام (مثل الحمض النووي DNA، والحمض النووي الريبي RNA، والأحماض الأمينية) وتُستخدم لتحليل السمات والوظائف والهياكل والديناميكيات الجزيئية من البيانات البيولوجية. ومن ثم، يمكن إجراء تحليلات مختلفة، مثل تحديد خصائص التعبير الجيني، والتنبؤ بوصلات التضفير، وتقييم تفاعلات البروتين-بروتين. [ 1 ]

التعلم المعزز، وهو مصطلح مشتق من علم النفس السلوكي، هو أسلوب لحل المشكلات من خلال التعلم بالتجربة والخطأ. ويمكن تطبيق التعلم المعزز على البيانات البيولوجية، في مجال علم الجينوم، باستخدام التعلم المعزز للتنبؤ بالجينومات البكتيرية. [ 8 ]

وقد أظهرت دراسات أخرى أنه يمكن استخدام التعلم المعزز للتنبؤ بدقة بتوصيف التسلسل البيولوجي. [ 9 ]

تُعدّ بنى التعلّم العميق مفيدةً أيضاً في تدريب البيانات البيولوجية. فعلى سبيل المثال، استُخدمت بنى التعلّم العميق التي تستهدف مستوى البكسل في الصور البيولوجية لتحديد عملية الانقسام الخلوي في الصور النسيجية للثدي. كما استُخدمت هذه البنى لتحديد النوى في صور خلايا سرطان الثدي. [ 10 ]

تحديات استخراج البيانات في المعلوماتية الطبية الحيوية

تعقيد

لطالما تمثلت المشكلة الرئيسية التي تواجه نماذج البيانات الطبية الحيوية في التعقيد، حيث يواجه علماء الأحياء في البيئات السريرية والبحوث الطبية الحيوية احتمالية فرط المعلومات. ومع ذلك، لطالما كان فرط المعلومات ظاهرةً مثيرةً للجدل في المجالات الطبية. [ 11 ] وقد أتاحت التطورات الحاسوبية تشكيل مجتمعات منفصلة ذات فلسفات مختلفة. فعلى سبيل المثال، يبحث باحثو التنقيب عن البيانات والتعلم الآلي عن أنماط ذات صلة في البيانات البيولوجية، ولا تعتمد بنية هذه النماذج على التدخل البشري. ومع ذلك، ثمة مخاطر عند نمذجة البيانات عندما يقل التدخل البشري، مثل فهم المستخدم النهائي وتحكمه. [ 12 ]

أشار الباحثون إلى أنه مع ارتفاع تكاليف الرعاية الصحية ووجود كميات هائلة من البيانات غير المستغلة، قد تكون تقنيات المعلومات الصحية هي المفتاح لتحسين كفاءة وجودة الرعاية الصحية. [ 11 ]

أخطاء وتجاوزات في قواعد البيانات

يمكن أن تحتوي السجلات الصحية الإلكترونية على بيانات جينومية لملايين المرضى، وقد أدى إنشاء قواعد البيانات هذه إلى كل من الإشادة والقلق. [ 4 ]

أشار فقهاء القانون إلى ثلاثة مخاوف رئيسية وراء تزايد الدعاوى القضائية المتعلقة بقواعد البيانات الطبية الحيوية. أولًا، قد تكون البيانات الواردة في قواعد البيانات الطبية الحيوية غير صحيحة أو غير مكتملة. ثانيًا، قد تُهدد التحيزات المنهجية، التي قد تنشأ عن تحيزات الباحثين أو طبيعة البيانات البيولوجية، صحة نتائج البحث. ثالثًا، قد يُسهّل وجود تقنيات استخراج البيانات في قواعد البيانات البيولوجية على الأفراد ذوي الأجندات السياسية أو الاجتماعية أو الاقتصادية التلاعب بنتائج البحث للتأثير على الرأي العام. [ 13 ] [ 4 ]

حدث مثال على إساءة استخدام قواعد البيانات في عام 2009 عندما نشرت مجلة أبحاث الطب النفسي دراسة ربطت بين الإجهاض والاضطرابات النفسية. [ 14 ] كان الغرض من الدراسة تحليل الروابط بين تاريخ الإجهاض والاضطرابات النفسية، مثل اضطرابات القلق (بما في ذلك اضطراب الهلع، واضطراب ما بعد الصدمة، ورهاب الأماكن المفتوحة) إلى جانب اضطرابات تعاطي المخدرات واضطرابات المزاج.

مع ذلك، فقدت الدراسة مصداقيتها عام ٢٠١٢ عندما دقق العلماء في منهجيتها ووجدوا بها عيوبًا جسيمة. [ ١٥ ] استخدم الباحثون "مجموعات بيانات وطنية تتضمن تاريخًا إنجابيًا ومتغيرات تتعلق بالصحة النفسية" [ ١٤ ] للوصول إلى نتائجهم. إلا أنهم أغفلوا مقارنة النساء (اللواتي تعرضن لحمل غير مخطط له وأجرين عمليات إجهاض) بمجموعة النساء اللاتي لم يُجرين عمليات إجهاض، مع التركيز على المشكلات النفسية التي ظهرت بعد إنهاء الحمل. ونتيجة لذلك، أدت النتائج، التي بدت وكأنها تضفي مصداقية علمية، إلى سنّ العديد من الولايات تشريعات [ ١٦ ] تلزم النساء بطلب الاستشارة قبل الإجهاض، نظرًا لاحتمالية حدوث عواقب نفسية طويلة الأمد.

أظهرت مقالة أخرى، نُشرت في صحيفة نيويورك تايمز، كيف يمكن للأطباء التلاعب بأنظمة السجلات الصحية الإلكترونية لتضخيم حجم الرعاية التي يقدمونها لأغراض استرداد تكاليف الرعاية الطبية (Medicare). [ 17 ] [ 4 ]

تقرير صادر عن دائرة أبحاث الكونغرس حول سلامة المعلومات الصحية بموجب قانون HIPAA

تبادل البيانات الطبية الحيوية

يُعتبر تبادل البيانات الطبية الحيوية وسيلة فعالة لتعزيز قابلية تكرار الأبحاث والاكتشافات العلمية. [ 13 ] [ 18 ]

بينما يواجه الباحثون صعوبات تقنية في تبادل البيانات، تُشكل القضايا الاجتماعية أيضاً عائقاً أمام تبادل البيانات البيولوجية. فعلى سبيل المثال، يواجه الأطباء والباحثون تحديات فريدة في تبادل البيانات البيولوجية أو الصحية داخل مجتمعاتهم الطبية، مثل مخاوف الخصوصية وقوانين حماية خصوصية المرضى كقانون HIPAA. [ 19 ]

المواقف تجاه مشاركة البيانات

وفقًا لدراسة أجريت عام 2015 [ 19 ] ركزت على توجهات وممارسات الأطباء والباحثين العلميين، أفاد غالبية المشاركين بأهمية مشاركة البيانات في عملهم، لكنهم أشاروا إلى محدودية خبرتهم في هذا المجال. من بين 190 مشاركًا في الاستبيان، عرّف 135 منهم أنفسهم كباحثين سريريين أو باحثين في العلوم الأساسية، وشملت عينة الدراسة باحثين سريريين وباحثين في العلوم الأساسية ضمن برنامج البحوث الداخلية في المعاهد الوطنية للصحة. كما وجدت الدراسة أن مشاركة البيانات مباشرةً مع أطباء آخرين كانت ممارسة شائعة بين المشاركين، إلا أن المشاركين في الدراسة لم يمارسوا تحميل البيانات إلى مستودع بيانات إلا نادرًا.

في مجال البحوث الطبية الحيوية، تم الترويج لمشاركة البيانات [ 20 ] باعتبارها وسيلة مهمة للباحثين لمشاركة البيانات وإعادة استخدامها من أجل الاستفادة الكاملة من فوائد الطب الشخصي والدقيق . [ 19 ]

تحديات مشاركة البيانات

لا يزال تبادل البيانات في مجال الرعاية الصحية يمثل تحديًا لعدة أسباب. فعلى الرغم من التقدم البحثي في ​​هذا المجال، لا تزال العديد من مؤسسات الرعاية الصحية مترددة أو غير راغبة في الإفصاح عن البيانات الطبية بسبب قوانين الخصوصية، مثل قانون قابلية نقل التأمين الصحي والمساءلة (HIPAA) . علاوة على ذلك، يتطلب تبادل البيانات البيولوجية بين المؤسسات حماية سرية البيانات التي قد تشمل عدة مؤسسات. ويُعدّ تحقيق التجانس في بنية البيانات ودلالاتها، مع تلبية متطلبات الخصوصية المتنوعة، من العوامل التي تُعيق تبادل البيانات. [ 21 ]

مراجع

  1. 1 2 3 4 محمود، مفتي؛ قيصر، محمد شميم؛ حسين، أمير؛ فاسانيلي، ستيفانو (يونيو 2018). "تطبيقات التعلم العميق والتعلم المعزز على البيانات البيولوجية". معاملات IEEE في الشبكات العصبية وأنظمة التعلم . 29 ( 6 ): 2063-2079 . arXiv : 1711.03985 . doi : 10.1109/tnnls.2018.2790388 . hdl : 1893/26814 . ISSN 2162-237X . PMID 29771663. S2CID 9823884 .   
  2. 1 2 وولي، جون سي؛ لين، هربرت إس؛ علم الأحياء، المجلس الوطني للبحوث (الولايات المتحدة) لجنة الحدود عند واجهة الحوسبة و (2005). حول طبيعة البيانات البيولوجية . مطبعة الأكاديميات الوطنية (الولايات المتحدة).
  3. نادكارني، ب.م.؛ براندت، س.؛ فراولي، س.؛ سايوارد، ف.ج.؛ أينبايندر، ر.؛ زيلترمان، د.؛ شاكتر، ل.؛ ميلر، ب.ل. (1998-03-01). "إدارة بيانات التجارب السريرية القائمة على سمات وقيم باستخدام نظام قاعدة بيانات العميل والخادم ACT/DB" . مجلة الجمعية الأمريكية للمعلوماتية الطبية . 5 (2): 139-151 . doi : 10.1136/jamia.1998.0050139 . ISSN 1067-5027 . PMC 61285. PMID 9524347 .   
  4. هوفمان ، شارونا ؛ بودغورسكي ، آندي (2013). "استخدام البيانات الطبية الحيوية وإساءة استخدامها: هل الأكبر هو الأفضل حقًا؟". المجلة الأمريكية للقانون والطب . 39 ( 4 ): 497-538 . doi : 10.1177/009885881303900401 . ISSN 0098-8588 . PMID 24494442. S2CID 35371353 .   
  5. إسلام ، محمد سيبلي؛ إيفانوف ، س.؛ روبسون، إ.؛ دولي-كولينان، ت.؛ كوفي، ل.؛ دولين، ك.؛ بالاسوبرامانيام، س. (2019). "التشابه الجيني للعينات البيولوجية لمواجهة التلاعب البيولوجي بوظائف تسلسل الحمض النووي" . التقارير العلمية . 9 ( 1): 8684. Bibcode : 2019NatSR...9.8684I . doi : 10.1038/ s41598-019-44995-6 . PMC 6581904. PMID 31213619. S2CID 190652460 .   
  6. 1 2 هالينان، دارا؛ دي هيرت، بول (2016)، "الكثيرون مخطئون - العينات تحتوي على بيانات شخصية: لائحة حماية البيانات كإطار عمل أفضل لحماية مصالح المتبرعين في بنوك العينات الحيوية والبحوث الجينومية"، في ميتلشتات، برنت دانيال؛ فلوريدي، لوتشيانو (محرران)، أخلاقيات البيانات الضخمة الطبية الحيوية ، سلسلة القانون والحوكمة والتكنولوجيا، المجلد 29، تشام: سبرينغر للنشر الدولي، الصفحات 119-137 ، doi : 10.1007/978-3-319-33525-4_6 ، ISBN   978-3-319-33525-4
  7. "Statewatch.org" (ملف PDF) . StateWatch.org . تم الاطلاع عليه بتاريخ 3 يوليو 2015 .
  8. تشوانغ، لي-يه؛ تساي، جوي-هونغ؛ يانغ، تشنغ-هونغ (يوليو 2010). "تحسين سرب الجسيمات الثنائي للتنبؤ بالأوبيرون" . مجلة أبحاث الأحماض النووية . 38 (12): e128. doi : 10.1093/nar/gkq204 . ISSN 0305-1048 . PMC 2896535. PMID 20385582 .   
  9. رالها، سي جي؛ شنايدر، إتش دبليو؛ والتر، إم إي إم تي؛ بازان، إيه إل (أكتوبر 2010). "طريقة التعلم المعزز للعوامل الحيوية". الندوة البرازيلية الحادية عشرة حول الشبكات العصبية 2010. الصفحات 109-114 . doi : 10.1109/SBRN.2010.27 . ISBN  978-1-4244-8391-4. S2CID 14685651 . 
  10. شو، جون؛ شيانغ، لي؛ ليو، تشينغشان؛ غيلمور، هانا؛ وو، جيانتشونغ؛ تانغ، جينغهاي؛ مادابوشي، أنانت (يناير 2016). "المشفر التلقائي المتفرق المكدس (SSAE) للكشف عن النوى في صور علم الأنسجة المرضية لسرطان الثدي" . معاملات IEEE في التصوير الطبي . 35 (1): 119-130 . doi : 10.1109/TMI.2015.2458702 . ISSN 0278-0062 . PMC 4729702. PMID 26208307 .   
  11. 1 2 هولزينجر، أندرياس؛ جوريسيكا، إيغور (2014)، "اكتشاف المعرفة واستخراج البيانات في المعلوماتية الطبية الحيوية: المستقبل يكمن في حلول التعلم الآلي التكاملية والتفاعلية"، في هولزينجر، أندرياس؛ جوريسيكا، إيغور (محرران)، اكتشاف المعرفة التفاعلي واستخراج البيانات في المعلوماتية الطبية الحيوية: أحدث التقنيات والتحديات المستقبلية ، سلسلة محاضرات في علوم الحاسوب، المجلد 8401، برلين، هايدلبرغ: سبرينغر، الصفحات 1-18 ، doi : 10.1007/978-3-662-43968-5_1 ، ISBN   978-3-662-43968-5
  12. شنايدرمان، بن (مارس 2002). "ابتكار أدوات الاكتشاف: الجمع بين تصوير المعلومات واستخراج البيانات". تصوير المعلومات . 1 (1): 5-12 . doi : 10.1057/palgrave.ivs.9500006 . hdl : 1903/6484 . ISSN 1473-8716 . S2CID 208272047 .  
  13. 1 2 ميتلشتات، برنت دانيال؛ فلوريدي، لوتشيانو (أبريل 2016). "أخلاقيات البيانات الضخمة: قضايا راهنة ومتوقعة في السياقات الطبية الحيوية". أخلاقيات العلوم والهندسة . 22 (2): 303-341 . doi : 10.1007/s11948-015-9652-2 . ISSN 1471-5546 . PMID 26002496. S2CID 23142795 .   
  14. 1 2 كولمان، بريسيلا ك.؛ كويل، كاثرين ت.؛ شوبينغ، مارثا؛ رو، فنسنت م. (مايو 2009). "الإجهاض المُستحث واضطرابات القلق والمزاج وتعاطي المواد: عزل آثار الإجهاض في المسح الوطني للأمراض المصاحبة". مجلة البحوث النفسية . 43 (8): 770-776 . doi : 10.1016/j.jpsychires.2008.10.009 . ISSN 1879-1379 . PMID 19046750 .  
  15. كيسلر، رونالد سي؛ شاتزبيرغ، آلان إف. (مارس 2012). "تعليق على دراسات الإجهاض لستاينبرغ وفينر (العلوم الاجتماعية والطب 2011؛ ​​72: 72-82) وكولمان (مجلة البحوث النفسية 2009؛ 43: 770-776 ومجلة البحوث النفسية 2011؛ ​​45: 1133-1134)" . مجلة البحوث النفسية . 46 (3): 410-411 . doi : 10.1016/j.jpsychires.2012.01.021 .
  16. "الاستشارة وفترات الانتظار للإجهاض" . معهد غوتماخر . 14 مارس 2016. تم الاطلاع عليه بتاريخ 9 ديسمبر 2020 .
  17. أبيلسون، ريد؛ كريسويل، جولي؛ بالمر، غريف (22 سبتمبر 2012). "ارتفاع فواتير الرعاية الطبية مع تحول السجلات إلى إلكترونية (نُشر عام 2012)" . صحيفة نيويورك تايمز . الرقم الدولي الموحد للدوريات 0362-4331 . تاريخ الاسترجاع 9 ديسمبر 2020 . 
  18. كالكمان، شونا؛ موسترت، مينو؛ جيرلينجر، كريستوف؛ فان ديلدن، يوهانس جيه إم؛ فان ثيل، جيسلين جيه إم دبليو (28 مارس 2019). " مشاركة البيانات المسؤولة في البحوث الصحية الدولية: مراجعة منهجية للمبادئ والمعايير" . مجلة BMC لأخلاقيات الطب . 20 (1): 21. doi : 10.1186/s12910-019-0359-9 . ISSN 1472-6939 . PMC 6437875. PMID 30922290 .   
  19. 1 2 3 فيدرر، ليزا م.؛ لو، يا-لينغ؛ جوبير، دوغلاس ج.؛ ويلش، جوديث؛ برانديس، باربرا (24-06-2015). كانونغو، جيوتشنا (محرر). "مشاركة البيانات الطبية الحيوية وإعادة استخدامها: مواقف وممارسات العاملين في البحوث السريرية والعلمية" . PLOS ONE . 10 (6) e0129506. Bibcode : 2015PLoSO..1029506F . doi : 10.1371/journal.pone.0129506 . ISSN 1932-6203 . PMC 4481309. PMID 26107811 .   
  20. شنايدرمان، بن (21 يوليو 2016). "ابتكار أدوات الاكتشاف: دمج تصور المعلومات مع استخراج البيانات1" . تصور المعلومات . 1 : 5-12 . doi : 10.1057/palgrave.ivs.9500006 . hdl : 1903/6484 . S2CID 208272047 . 
  21. ويمر، هايدن؛ يون، فيكتوريا ي.؛ سوغوماران، فيجايان (2016-08-01). "نظام متعدد الوكلاء لدعم الطب القائم على الأدلة واتخاذ القرارات السريرية من خلال مشاركة البيانات وحماية خصوصيتها" . أنظمة دعم القرار . 88 : 51-66 . doi : 10.1016/j.dss.2016.05.008 . ISSN 0167-9236 .