Intel työskentelee Pennsylvanian yliopiston kanssa käyttäen yksityisyyttä suojaavaa tekoälyä aivokasvainten tunnistamiseen

Intel Labs ja Pennsylvanian yliopiston Perelmanin lääketieteellinen koulu (Penn Medicine) perustavat liiton 29 kansainvälisen terveydenhuollon ja tutkimuslaitoksen kanssa kouluttaakseen tekoälymallit, jotka tunnistavat aivokasvaimia yksityisyyttä suojaavalla tekniikalla, jota kutsutaan federated learningiksi. Tämä työ on rahoitettu Informatics Technology for Cancer Research (ICTR) -ohjelmasta National Cancer Institute (NCI) National Institutes of Health (NIH) kautta, kolmen vuoden, 1,2 miljoonan dollarin avustuksella, jonka pääjohtajana toimii Dr. Spyridon Bakas, Center for Biomedical Image Computing and Analytics (CBICA) Pennsylvanian yliopistossa.

“Tekoäly näyttää lupaavaa aivokasvainten varhaisessa diagnosoinnissa, mutta sille tarvitaan enemmän dataa kuin yksikin lääketieteellinen keskus voi tarjota saavuttaakseen täyden potentiaalinsa. Käyttäen Intelin ohjelmistoja ja laitteita sekä tukea Intelin parhaimmista älyistä, työskentelemme Pennsylvanian yliopiston ja 29 lääketieteellisen keskuksen liiton kanssa edistääksemme aivokasvainten tunnistamista suojaamalla samalla arkaluontoisia potilastietoja.” – Jason Martin, pääinsinööri, Intel Labs

Miten se toimii

Penn Medicine ja 29 terveydenhuollon ja tutkimuslaitosta Yhdysvalloista, Kanadasta, Iso-Britanniasta, Saksasta, Alankomaista, Sveitsistä ja Intiasta käyttävät federated learningia, joka on hajautettu koneoppimisen lähestymistapa, joka mahdollistaa organisaatioiden yhteistyön syvän oppimisen projekteissa ilman potilastietojen jakamista.

Penn Medicine ja Intel Labs julkaisivat ensimmäisenä tutkimuksen federated learningista lääketieteellisen kuvantamisen alalla, osoittaen, että federated learning -menetelmä voisi kouluttaa mallin, joka saavuttaa yli 99 %:n tarkkuuden verrattuna perinteiseen, ei-yksityiseen menetelmään. Tämä tutkimus esiteltiin alun perin International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2018 -konferenssissa Granadassa, Espanjassa. Uusi työ hyödyntää Intelin ohjelmistoja ja laitteita federated learningin toteuttamiseen tavalla, joka tarjoaa lisää yksityisyyden suojaa sekä mallille että tiedoille.

“On laajalti hyväksytty tieteellisessä yhteisössämme, että koneoppimisen koulutus vaatii runsaasti ja monipuolista dataa, jota yksikin laitos ei voi hallita. Koordinoimme 29 kansainvälisen terveydenhuollon ja tutkimuslaitoksen liittoa, joka pystyy kouluttamaan huipputason tekoälymallit terveydenhuoltoon käyttäen yksityisyyttä suojaavia koneoppimisen teknologioita, mukaan lukien federated learningin. Tänä vuonna liitto aloittaa algoritmien kehittämisen, jotka tunnistavat aivokasvaimia suurelta osin laajennetusta International Brain Tumor Segmentation (BraTS) -haasteen tietokannasta. Tämä liitto mahdollistaa lääketieteellisten tutkijoiden pääsyn paljon suurempiin määriin terveydenhuollon dataa suojaamalla samalla tiedon turvallisuutta.” – Dr. Spyridon Bakas, Pennsylvanian yliopisto

Miksi se on tärkeää:

American Brain Tumor Associationin (ABTA) mukaan lähes 80 000 ihmistä saa aivokasvaimen diagnosin tänä vuonna, ja yli 4 600 heistä on lapsia. Jotta tutkijat voivat kouluttaa ja luoda mallin, joka voi auttaa aivokasvaimen varhaisessa diagnosoinnissa ja parantaa tuloksia, he tarvitsevat pääsyn suuriin määriin asiaankuuluvia lääketieteellisiä tietoja. On kuitenkin olennaista, että tiedot säilytetään yksityisinä ja suojattuina, ja tässä federated learning Intelin teknologian avulla on avainasemassa. Käyttämällä tätä lähestymistapaa kaikkien yhteistyökumppaneiden tutkijat voivat työskennellä yhdessä aivokasvaimen tunnistamiseen tähtäävän algoritmin kehittämisessä ja koulutuksessa suojaamalla samalla arkaluontoisia lääketieteellisiä tietoja.

Mitä seuraavaksi:

Vuonna 2020 Penn ja 29 kansainvälistä terveydenhuollon ja tutkimuslaitosta käyttävät Intelin federated learning -laitteita ja -ohjelmistoja uuden huipputason tekoälymallin tuottamiseen, joka on koulutettu suurimmalla aivokasvaintietokannalla toistaiseksi – kaikki ilman, että arkaluontoiset potilastiedot joutuvat yksittäisten yhteistyökumppaneiden ulkopuolelle. Osa yhteistyökumppaneista, jotka osallistuvat ensimmäiseen vaiheeseen, ovat Hospital of the University of Pennsylvania, Washington University in St. Louis, University of Pittsburgh Medical Center, Vanderbilt University, Queen’s University, Technical University of Munich, University of Bern, King’s College London ja Tata Memorial Hospital.

Lisätietoja:

• What is Federated Learning?
• Federated Learning for Medical Imaging (blog)
• Advancing Both AI and Privacy is Not a Zero-Sum Game (op-ed)
• Artificial Intelligence at Intel
• Federated Learning in Medicine