Ať už jde o výzkumy v genetice, biomedicíně, archeologii nebo třeba ekologii, všechny za sebou nechávají obrovské množství dat. Jenže když se k nim výzkumníci chtějí vrátit, málokdy jsou v takovém stavu, aby jejich další studia nebyla problematická. Informace je třeba správně popisovat, ukládat i schraňovat – a na výzkumných institucích k tomu ne vždy je prostor. Nástroj, se kterým přišli vědci z Fakulty informačních technologií, to řeší za ně. Pomáhá i starší data zpřístupňovat pro vědecké účely univerzitám a dalším výzkumným organizacím v EU i po světě. A jen v Evropě už má tři tisíce uživatelů.

Čím digitálnější svět, tím více dat. Výzkumy po celém světě ročně chrlí petabajty dat, více či méně uspořádané informace vznikají ve vědních kruzích mnohdy i jako vedlejší produkt výzkumu – a přesto znamenají obrovské bohatství. Tedy v teorii: pokud jsou správně uspořádaná tak, aby se k nim vědci mohli vrátit, když nastane vhodná příležitost.

Typické je to u medicínských výzkumů. Mnohdy samy instituce nevědí, jaká všechna data o problému již existují, kde je vlastně hledat a co přesně představují. A přitom právě v medicíně informace ponechané ladem můžou skrývat vodítka důležitá pro výzkum neléčitelných nemocí.

Odborníci tak vytyčili cíl, aby uchovávaná data byla takzvaně FAIR – nalezitelná, přístupná, interoperabilní a znovupoužitelná. A vědci z Fakulty informačních technologií ČVUT rovnou připravili nástroj, kterému dali název Data Stewardship Wizard (DSW).

Pomáhá plánovat, jak co nejlépe využít existující data – a výsledná data pak správně popisovat, ukládat a dále zpřístupňovat pro vědecké účely univerzitám a dalším výzkumným organizacím v Evropské unii i po celém světě. Kromě Česka ho používají univerzity a další organizace v Norsku, Portugalsku, Estonsku, Belgii, Polsku či například Finsku.

„Žádný vědec by nezačal náročný experiment bez náležitého plánování správy dat, které je však často odbyto jen jako ‚otravná povinnost’. Jedním z důvodů je náročnost vytvoření dobrého plánu. Tento nástroj přináší snadný a účinný způsob, jak vytvářet dobré plány správy dat, vede výzkumníka, pomáhá využít, co je pro výzkum k dispozici, a maximalizovat efekt dat z výzkumu, což přináší hodnotu výzkumníkům, institucím i celé společnosti,“ říká Robert Pergl, vedoucí centra pro konceptuální modelování a implementace na FIT ČVUT.

Systém vědce provází k tomu, aby data strukturovali od začátku, čímž buduje propracovanou databázi dosažitelnou zpětně i pro ostatní. Kromě toho umožňuje online spolupráci na projektech, ukládat komentáře a otázky, zjišťovat, kdo na které odpověděl, a také lze pracovat s uloženou historií verzí.

Nástroj vyvinuli čeští výzkumníci z ČVUT a Ústavu organické chemie a biochemie Akademie věd ČR ve spolupráci s holandskými kolegy v rámci evropské infrastruktury s názvem Elixir, mezinárodní infrastruktury pro data z přírodních věd. Právě proto DSW v současnosti využívají především výzkumníci v tomto oboru, ale nejen v něm.

Principy, kterými se výzkumníci řídí, zlepšují znovupoužitelnost dat a pomáhají informace z výzkumů propojovat mezi sebou navzájem. „Například spojení dat klinických studií léků s výzkumem genetiky. Efektivní využívání dat na globální úrovni je též klíčové pro účinné řešení epidemiologických situací, což ukázala pandemie covid-19. V rámci ní jsme se s projektem DSW podíleli na digitalizaci a FAIRifikaci pacientských dat, která je možné využít v dalším výzkumu, a to zcela anonymizovaně,“ doplňuje Pergl.

Jedním z cílů iniciativy FAIR je i lepší strojová zpracovatelnost dat, která se uplatní při výzkumu umělé inteligence. Pokud bude mít AI k dispozici více dobře popsaných a interpretovatelných datových sad, bude jim lépe rozumět a efektivně je využije ke zlepšení svých výsledků. Právě exaktnost a auditovatelnost výstupů AI je klíčová pro posun od „kreativní AI“ k „exaktní AI“.