Architettura Dual Hybrid Semantic Data Lake per l'Armonizzazione dei Dati Medici con Annotazione dei Metadati Guidata da LLM

Un nuovo articolo su arXiv (2608.08056v1) propone un'architettura dual hybrid semantic data lake per affrontare le sfide dell'armonizzazione dei dati medici. Il sistema integra un knowledge graph con un sistema di annotazione dei metadati guidato da LLM e verificato con un approccio human-in-the-loop. L'eterogeneità dei dati medici spazia tra modalità (immagini, testo, serie temporali), diversi schemi tabellari tra istituzioni e note cliniche non strutturate. I data lake consolidano tali dati senza imporre uno schema, ma rischiano di diventare 'data swamp' a causa di metadati scadenti. L'architettura proposta sfrutta i knowledge graph per la rappresentazione dinamica delle relazioni e i LLM per automatizzare la generazione dei metadati, con verifica umana per garantire l'accuratezza. Questo approccio mira a bilanciare flessibilità e integrità, offrendo una soluzione al problema dei data swamp. L'articolo è disponibile su arXiv con l'identificatore 2608.08056.