Intel travaille avec l’Université de Pennsylvanie pour utiliser l’IA préservant la confidentialité pour identifier les tumeurs cérébrales

Intel Labs et l’école de médecine Perelman de l’Université de Pennsylvanie (Penn Medicine) mettent en place une fédération avec 29 institutions de soins de santé et de recherche internationales pour former des modèles d’intelligence artificielle (IA) qui identifient les tumeurs cérébrales en utilisant une technique de préservation de la confidentialité appelée apprentissage fédéré. Ce travail est financé par le programme Informatics Technology for Cancer Research (ICTR) du National Cancer Institute (NCI) des National Institutes of Health (NIH), grâce à une subvention de trois ans de 1,2 million de dollars attribuée au principal investigateur Dr. Spyridon Bakas, au Center for Biomedical Image Computing and Analytics (CBICA) de l’Université de Pennsylvanie.

“L’IA montre une grande promesse pour la détection précoce des tumeurs cérébrales, mais elle nécessitera plus de données que celles que tout centre médical détient pour atteindre son plein potentiel. En utilisant les logiciels et le matériel Intel et le soutien de certains des esprits les plus brillants d’Intel, nous travaillons avec l’Université de Pennsylvanie et une fédération de 29 centres médicaux collaborateurs pour faire progresser l’identification des tumeurs cérébrales tout en protégeant les données sensibles des patients.” – Jason Martin, ingénieur principal, Intel Labs

Comment cela fonctionne

Penn Medicine et 29 institutions de soins de santé et de recherche des États-Unis, du Canada, du Royaume-Uni, de l’Allemagne, des Pays-Bas, de Suisse et de l’Inde utiliseront l’apprentissage fédéré, qui est une approche d’apprentissage automatique distribué qui permet aux organisations de collaborer sur des projets d’apprentissage profond sans partager de données de patients.

Penn Medicine et Intel Labs ont été les premiers à publier un article sur l’apprentissage fédéré dans le domaine de l’imagerie médicale, en démontrant notamment que la méthode d’apprentissage fédéré pouvait former un modèle à plus de 99 % de la précision d’un modèle formé selon la méthode traditionnelle, non privée. Cet article a été présenté à l’origine à la Conférence internationale sur l’informatique et l’assistance à la décision en imagerie médicale (MICCAI) 2018, à Grenade, en Espagne. Le nouveau travail utilisera les logiciels et le matériel Intel pour mettre en œuvre l’apprentissage fédéré de manière à fournir une protection supplémentaire de la confidentialité au modèle et aux données.

“Il est largement admis par notre communauté scientifique que la formation de l’apprentissage automatique nécessite des données abondantes et diversifiées que aucune institution ne peut détenir. Nous coordonnons une fédération de 29 institutions de soins de santé et de recherche internationales collaboratrices, qui seront en mesure de former des modèles d’IA de pointe pour les soins de santé, en utilisant des technologies d’apprentissage automatique préservant la confidentialité, notamment l’apprentissage fédéré. Cette année, la fédération commencera à développer des algorithmes qui identifient les tumeurs cérébrales à partir d’une version considérablement élargie de l’ensemble de données du défi international de segmentation des tumeurs cérébrales (BraTS). Cette fédération permettra aux chercheurs médicaux d’accéder à des quantités considérablement plus importantes de données de soins de santé tout en protégeant la sécurité de ces données.” – Dr. Spyridon Bakas, Université de Pennsylvanie

Pourquoi cela compte :

Selon l’American Brain Tumor Association (ABTA), près de 80 000 personnes seront diagnostiquées avec une tumeur cérébrale cette année, dont plus de 4 600 enfants. Pour former et construire un modèle capable de détecter une tumeur cérébrale qui pourrait aider à la détection précoce et à de meilleurs résultats, les chercheurs ont besoin d’accéder à de grandes quantités de données médicales pertinentes. Cependant, il est essentiel que les données restent privées et protégées, c’est là que l’apprentissage fédéré avec la technologie Intel intervient. En utilisant cette approche, les chercheurs de toutes les organisations collaboratrices pourront travailler ensemble pour construire et former un algorithme de détection des tumeurs cérébrales tout en protégeant les données médicales sensibles.

Qu’est-ce qui vient ensuite :

En 2020, Penn et les 29 institutions de soins de santé et de recherche internationales utiliseront le matériel et les logiciels d’apprentissage fédéré d’Intel pour produire un nouveau modèle d’IA de pointe formé sur le plus grand ensemble de données de tumeurs cérébrales à ce jour – tout cela sans que les données sensibles des patients ne quittent les collaborateurs individuels. Le sous-ensemble d’institutions collaboratrices attendues pour participer à l’initiation de la première phase de cette fédération comprend l’Hôpital de l’Université de Pennsylvanie, l’Université de Washington à Saint-Louis, le Centre médical de l’Université de Pittsburgh, l’Université Vanderbilt, l’Université Queen’s, l’Université technique de Munich, l’Université de Berne, le King’s College de Londres et l’Hôpital Tata Memorial.

En savoir plus :

• Qu’est-ce que l’apprentissage fédéré ?
• Apprentissage fédéré pour l’imagerie médicale (blog)
• Faire progresser l’IA et la confidentialité n’est pas un jeu à somme nulle (éditorial)
• Intelligence artificielle chez Intel
• Apprentissage fédéré en médecine