Intel trabaja con la Universidad de Pensilvania en el uso de inteligencia artificial de privacidad para identificar tumores cerebrales

Intel Labs y la Escuela de Medicina Perelman de la Universidad de Pensilvania (Penn Medicine) están estableciendo una federación con 29 instituciones internacionales de atención médica y investigación para entrenar modelos de inteligencia artificial (IA) que identifiquen tumores cerebrales utilizando una técnica de privacidad llamada aprendizaje federado. Este trabajo está siendo financiado por el Programa de Tecnología de Informática para la Investigación del Cáncer (ICTR) del Instituto Nacional del Cáncer (NCI) de los Institutos Nacionales de Salud (NIH), a través de una subvención de tres años y $1,2 millones otorgada al investigador principal Dr. Spyridon Bakas, en el Centro de Computación y Análisis de Imágenes Biomédicas (CBICA) de la Universidad de Pensilvania.

“La IA muestra un gran potencial para la detección temprana de tumores cerebrales, pero requerirá más datos de los que cualquier centro médico individual posee para alcanzar su máximo potencial. Utilizando el software y hardware de Intel y el apoyo de algunas de las mentes más brillantes de Intel, estamos trabajando con la Universidad de Pensilvania y una federación de 29 centros médicos colaboradores para avanzar en la identificación de tumores cerebrales mientras se protege los datos sensibles de los pacientes.” – Jason Martin, ingeniero principal, Intel Labs

Cómo funciona

Penn Medicine y 29 instituciones de atención médica y investigación de los Estados Unidos, Canadá, Reino Unido, Alemania, Países Bajos, Suiza e India utilizarán el aprendizaje federado, que es un enfoque de aprendizaje automático distribuido que permite a las organizaciones colaborar en proyectos de aprendizaje profundo sin compartir datos de pacientes.

Penn Medicine e Intel Labs fueron los primeros en publicar un artículo sobre el aprendizaje federado en el dominio de la imagen médica, demostrando particularmente que el método de aprendizaje federado podría entrenar un modelo para alcanzar más del 99% de la precisión de un modelo entrenado en el método tradicional, no privado. Este artículo se presentó originalmente en la Conferencia Internacional sobre Computación y Asistencia de Imágenes Médicas (MICCAI) 2018, en Granada, España. El nuevo trabajo aprovechará el software y hardware de Intel para implementar el aprendizaje federado de una manera que proporcione una protección adicional de privacidad tanto al modelo como a los datos.

“Es ampliamente aceptado por nuestra comunidad científica que el entrenamiento de aprendizaje automático requiere datos amplios y diversos que ninguna institución individual puede poseer. Estamos coordinando una federación de 29 instituciones de atención médica y investigación internacionales colaboradoras, que podrán entrenar modelos de IA de vanguardia para la atención médica, utilizando tecnologías de aprendizaje automático de privacidad, incluido el aprendizaje federado. Este año, la federación comenzará a desarrollar algoritmos que identifiquen tumores cerebrales a partir de una versión ampliada del conjunto de datos del Desafío de Segmentación de Tumores Cerebrales Internacionales (BraTS). Esta federación permitirá a los investigadores médicos acceder a cantidades mucho mayores de datos de atención médica mientras se protege la seguridad de esos datos.” – Dr. Spyridon Bakas, Universidad de Pensilvania

Por qué es importante:

Según la Asociación Estadounidense de Tumores Cerebrales (ABTA), casi 80,000 personas serán diagnosticadas con un tumor cerebral este año, con más de 4,600 de ellas siendo niños. Para entrenar y construir un modelo que detecte un tumor cerebral que pueda ayudar en la detección temprana y mejores resultados, los investigadores necesitan acceder a grandes cantidades de datos médicos relevantes. Sin embargo, es esencial que los datos permanezcan privados y protegidos, lo que es donde entra en juego el aprendizaje federado con la tecnología de Intel. Al utilizar este enfoque, los investigadores de todas las organizaciones colaboradoras podrán trabajar juntos en la construcción y entrenamiento de un algoritmo para detectar un tumor cerebral mientras se protegen los datos médicos sensibles.

Qué sigue:

En 2020, Penn y las 29 instituciones de atención médica y investigación internacionales utilizarán el hardware y software de aprendizaje federado de Intel para producir un nuevo modelo de IA de vanguardia que se entrenará en el conjunto de datos de tumores cerebrales más grande hasta la fecha, todo sin que los datos sensibles de los pacientes salgan de las instituciones colaboradoras individuales. El subconjunto de instituciones colaboradoras que se espera que participen en la iniciación de la primera fase de esta federación incluye el Hospital de la Universidad de Pensilvania, la Universidad de Washington en San Luis, el Centro Médico de la Universidad de Pittsburgh, la Universidad de Vanderbilt, la Universidad de Queen, la Universidad Técnica de Múnich, la Universidad de Berna, el King’s College de Londres y el Hospital Tata Memorial.

Aprende más:

• ¿Qué es el aprendizaje federado?
• Aprendizaje federado para imágenes médicas (blog)
• Avanzar tanto en IA como en privacidad no es un juego de suma cero (op-ed)
• Inteligencia artificial en Intel
• Aprendizaje federado en medicina