FAIR m-BIDS: Främjar användning av hjärndata genom multimodala och FAIR-principer

Varför organisering av hjärndata betyder något

Modern hjärnforskning genererar en ström av digital information: hjärnskanningar, elektriska inspelningar, genetiska data och till och med detaljerade anteckningar om beteende. Ändå är mycket av denna information låst i format som är svåra att söka i, kombinera eller återanvända. Denna artikel presenterar FAIR m-BIDS, ett nytt sätt att organisera hjärndata så att forskare var som helst enklare kan hitta, koppla ihop och säkert återanvända information från många olika typer av studier.

Problemet med splittrade hjärnregister

I dag samlas hjärndata in över hela världen med många verktyg, från MR-skannrar till EEG-mössor och rörelsesensorer. Brain Imaging Data Structure (BIDS) skapades för att bringa ordning i detta kaos genom att definiera gemensamma mappstrukturer och filnamn. BIDS har utvidgats till många typer av mätningar, men behandlar fortfarande varje studie som en separat ö. Inom varje ö får personer och filer lokala etiketter som ofta inte stämmer överens mellan studier. Det gör det svårt att följa samma person över tid eller att kombinera olika typer av mätningar från samma person, till exempel att matcha deras hjärnskanning med deras elektriska aktivitet och kliniska journaler.

Rättvisa regler för data som andra kan använda

Samtidigt strävar många fält nu efter att följa FAIR-principerna: data ska vara Findable, Accessible, Interoperable och Reusable (hittbara, tillgängliga, interoperabla och återanvändbara). För hjärnforskning innebär det att kunna söka över många samlingar, hämta precis de delar som behövs, kombinera olika datatyper smidigt och göra allt detta samtidigt som integriteten respekteras. Klassisk BIDS utformades innan FAIR formellt definierades, så den stöder inte fullt ut dessa mål. Till exempel är det enkelt att bläddra i en enskild dataset, men svårt att söka över många dataset efter alla inspelningar från en viss åldersgrupp, diagnos eller skanningstyp.

Ett nytt sätt att märka varje fil och varje person

FAIR m-BIDS behåller BIDS välbekanta utseende och struktur, men lägger till ett nytt lager av smarta identifierare. Varje datafil får en Global Unique Identifier Key, eller filnyckel, som är stabil över tid och unik över hela plattformen. Varje deltagare får en Global Unique Subject Identifier, eller subjektnyckel, som är densamma oavsett i hur många studier de medverkar. Varje datasamling får också en global datasetnyckel. I bakgrunden skapas dessa nycklar med fasta matematiska funktioner som döljer personliga detaljer samtidigt som godkända system kan känna igen när olika filer hör till samma anonyma person. Denna finmaskiga märkningsnivå låter forskare söka, filtrera och gruppera filer baserat på rika beskrivningar utan att vara fast i den ursprungliga mappstrukturen.

Bygga anpassade samlingar på begäran

Eftersom varje fil, subjekt och dataset är länkat genom dessa nycklar förvandlar FAIR m-BIDS ett statiskt arkiv till en flexibel biobank. Forskare kan ställa detaljerade frågor till systemet: till exempel ”ge mig alla hjärnskanningar och EEG-inspelningar från kvinnor i åldern 50–60 med tecken på minnesförlust” och få ett färdigt paket som spänner över flera ursprungliga studier. Systemet kan spara dessa resultat som nya dataset, var och en med sin egen datasetnyckel men fortfarande kopplad till originalkällorna. Det gör det lättare att genomföra stora multimodala studier, följa samma personer över tid, jämföra metoder och upprepa eller utöka tidigare arbete. Strukturen har testats på publika dataset och rullas nu ut i en nationell hjärnkartläggningsbiobank i Iran, där den kommer att driva en onlineplattform för utforskning och analys.

Hålla data användbara, sammanlänkade och säkra

Enkelt uttryckt visar författarna hur man genom att lägga till smarta, integritetsskyddande ID:n ovanpå befintliga standarder kan förvandla splittrade hjärnregister till ett välorganiserat, sökbart bibliotek. FAIR m-BIDS håller känsliga detaljer dolda samtidigt som godkända verktyg kan länka filer, personer och samlingar över många studier. Detta gör hjärndata enklare att hitta, kombinera och återanvända, vilket hjälper forskare att bygga rikare bilder av hjärnhälsa och sjukdom samt banar väg för mer tillförlitlig, kollaborativ och datadriven neurovetenskap.

Citering: Mirhosseini, S.M., Naseri, H., Siahlou, B. et al. FAIR m-BIDS: Advancing brain data utilization through multimodal and FAIR principles. Sci Data 13, 555 (2026). https://doi.org/10.1038/s41597-026-06790-7

Nyckelord: hjärndata, neuroavbildning, datastandarder, multimodala dataset, FAIR-principer