Gesundheitswesen

Intel arbeitet mit der University of Pennsylvania zusammen, um künstliche Intelligenz mit Datenschutz zu nutzen, um Hirntumore zu identifizieren

mm
Veröffentlicht am
Aktualisiert am

Intel Labs und die Perelman School of Medicine an der University of Pennsylvania (Penn Medicine) gründen eine Föderation mit 29 internationalen Gesundheits- und Forschungseinrichtungen, um künstliche Intelligenz-Modelle (KI-Modelle) zu trainieren, die Hirntumore mithilfe einer datenschutzfreundlichen Technik namens verteiltes Lernen (Federated Learning) identifizieren. Diese Arbeit wird von dem Informatics Technology for Cancer Research (ICTR)-Programm des National Cancer Institute (NCI) der National Institutes of Health (NIH) finanziert, durch ein dreijähriges Grant von 1,2 Millionen Dollar, das dem Hauptforscher Dr. Spyridon Bakas am Center for Biomedical Image Computing and Analytics (CBICA) der University of Pennsylvania zuerkannt wurde.

„Künstliche Intelligenz zeigt großes Potenzial für die frühzeitige Erkennung von Hirntumoren, aber sie benötigt mehr Daten, als jedes einzelne medizinische Zentrum besitzt, um ihr volles Potenzial zu erreichen. Mit Intel-Software und -Hardware und Unterstützung durch einige der hellsten Köpfe von Intel arbeiten wir mit der University of Pennsylvania und einer Föderation von 29 medizinischen Zentren zusammen, um die Identifizierung von Hirntumoren voranzutreiben, während wir gleichzeitig sensible Patientendaten schützen.“ – Jason Martin, leitender Ingenieur, Intel Labs

So funktioniert es

Penn Medicine und 29 Gesundheits- und Forschungseinrichtungen aus den Vereinigten Staaten, Kanada, Großbritannien, Deutschland, den Niederlanden, der Schweiz und Indien werden verteiltes Lernen verwenden, ein verteiltes maschinelles Lernverfahren, das es Organisationen ermöglicht, bei Deep-Learning-Projekten zusammenzuarbeiten, ohne Patientendaten auszutauschen.

Penn Medicine und Intel Labs waren die ersten, die einen Artikel über verteiltes Lernen im Bereich der medizinischen Bildverarbeitung veröffentlichten, insbesondere, dass die Methode des verteilten Lernens ein Modell trainieren konnte, das über 99 % der Genauigkeit eines Modells erreichte, das mit der herkömmlichen, nicht privaten Methode trainiert wurde. Dieser Artikel wurde ursprünglich auf der International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2018 in Granada, Spanien, vorgestellt. Die neue Arbeit wird Intel-Software und -Hardware nutzen, um verteiltes Lernen in einer Weise umzusetzen, die zusätzlichen Datenschutz für das Modell und die Daten bietet.

„Es ist in unserer wissenschaftlichen Gemeinschaft allgemein anerkannt, dass die Ausbildung von maschinellem Lernen reichlich und vielfältige Daten erfordert, die keine einzelne Institution besitzen kann. Wir koordinieren eine Föderation von 29 internationalen Gesundheits- und Forschungseinrichtungen, die in der Lage sein werden, state-of-the-art-KI-Modelle für die Gesundheitsversorgung zu trainieren, unter Verwendung von datenschutzfreundlichen maschinellen Lernverfahren, einschließlich verteiltem Lernen. In diesem Jahr wird die Föderation mit der Entwicklung von Algorithmen beginnen, die Hirntumore aus einer stark erweiterten Version des International Brain Tumor Segmentation (BraTS)-Wettbewerbs identifizieren. Diese Föderation ermöglicht es medizinischen Forschern, auf wesentlich größere Mengen an Gesundheitsdaten zuzugreifen, während die Sicherheit dieser Daten geschützt wird.“ – Dr. Spyridon Bakas, University of Pennsylvania

Warum es wichtig ist:

Laut der American Brain Tumor Association (ABTA) werden in diesem Jahr fast 80.000 Menschen an einem Hirntumor diagnostiziert, darunter mehr als 4.600 Kinder. Um ein Modell zu trainieren und zu entwickeln, das Hirntumore erkennen kann und somit eine frühzeitige Erkennung und bessere Ergebnisse ermöglicht, benötigen Forscher Zugang zu großen Mengen an relevanten medizinischen Daten. Es ist jedoch unerlässlich, dass diese Daten privat und geschützt bleiben, und hier kommt das verteilte Lernen mit Intel-Technologie ins Spiel. Durch die Verwendung dieses Ansatzes können Forscher aus allen Partnerorganisationen zusammenarbeiten, um ein Algorithmus zu entwickeln, der Hirntumore erkennen kann, während sie gleichzeitig sensible medizinische Daten schützen.

Was kommt als Nächstes:

Im Jahr 2020 werden Penn und die 29 internationalen Gesundheits- und Forschungseinrichtungen Intels verteilte Lern-Hardware und -Software nutzen, um ein neues state-of-the-art-KI-Modell zu erstellen, das auf dem größten Hirntumor-Datensatz trainiert wird, der bisher existiert – und all dies ohne dass sensible Patientendaten die einzelnen Kooperationspartner verlassen. Die Teilnehmer, die an der Initiierung der ersten Phase dieser Föderation beteiligt sind, umfassen das Hospital der University of Pennsylvania, die Washington University in St. Louis, das University of Pittsburgh Medical Center, die Vanderbilt University, die Queen’s University, die Technische Universität München, die Universität Bern, das King’s College London und das Tata Memorial Hospital.

Mehr erfahren:

mm

Antoine ist ein visionärer Leader und Gründungspartner von Unite.AI, getrieben von einer unerschütterlichen Leidenschaft für die Gestaltung und Förderung der Zukunft von KI und Robotik. Als Serienunternehmer glaubt er, dass KI für die Gesellschaft so disruptiv sein wird wie Elektrizität, und er wird oft dabei erwischt, wie er über das Potenzial disruptiver Technologien und AGI schwärmt.

Als Futurist ist er darauf fokussiert, zu erkunden, wie diese Innovationen unsere Welt prägen werden. Zusätzlich ist er der Gründer von Securities.io, einer Plattform, die sich auf Investitionen in hochmoderne Technologien konzentriert, die die Zukunft neu definieren und ganze Branchen umgestalten.