Intel werkt samen met de University of Pennsylvania aan het gebruik van privacy-bewuste AI om hersentumoren te identificeren

Intel Labs en de Perelman School of Medicine van de University of Pennsylvania (Penn Medicine) zetten een federatie op met 29 internationale gezondheids- en onderzoeksinstellingen om artificial intelligence (AI)-modellen te trainen die hersentumoren identificeren met behulp van een privacy-bewuste techniek genaamd gefedereerd leren. Dit werk wordt gefinancierd door het Informatics Technology for Cancer Research (ICTR) programma van het National Cancer Institute (NCI) van de National Institutes of Health (NIH), via een subsidie van drie jaar, $1,2 miljoen, die is toegekend aan de hoofdonderzoeker Dr. Spyridon Bakas, bij het Center for Biomedical Image Computing and Analytics (CBICA) van de University of Pennsylvania.

“AI biedt veelbelovende mogelijkheden voor de vroege detectie van hersentumoren, maar het zal meer gegevens vereisen dan enig einzel ziekenhuis heeft om zijn volledige potentieel te bereiken. Met Intel-software en -hardware en ondersteuning van enkele van de slimste geesten van Intel, werken we samen met de University of Pennsylvania en een federatie van 29 medische centra om de identificatie van hersentumoren te verbeteren terwijl we gevoelige patiëntgegevens beschermen.” – Jason Martin, hoofdengineer, Intel Labs

Hoe het werkt

Penn Medicine en 29 gezondheids- en onderzoeksinstellingen uit de Verenigde Staten, Canada, het Verenigd Koninkrijk, Duitsland, Nederland, Zwitserland en India zullen gefedereerd leren gebruiken, een gedistribueerde machine learning-benadering die organisaties in staat stelt om samen te werken aan diepe leerprojecten zonder patiëntgegevens te delen.

Penn Medicine en Intel Labs waren de eerste die een paper publiceerden over gefedereerd leren in het domein van medische beeldvorming, waarin werd aangetoond dat de gefedereerde leer methode een model kon trainen tot meer dan 99% van de nauwkeurigheid van een model getraind met de traditionele, niet-private methode. Deze paper werd oorspronkelijk gepresenteerd op de International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2018, in Granada, Spanje. Het nieuwe werk zal Intel-software en -hardware gebruiken om gefedereerd leren te implementeren op een manier die extra privacybescherming biedt voor zowel het model als de gegevens.

“Het is algemeen aanvaard door onze wetenschappelijke gemeenschap dat machine learning-training voldoende en gevarieerde gegevens vereist die geen enkele instelling kan hebben. We coördineren een federatie van 29 internationale gezondheids- en onderzoeksinstellingen, die in staat zullen zijn om state-of-the-art AI-modellen voor de gezondheidszorg te trainen met behulp van privacy-bewuste machine learning-technologieën, waaronder gefedereerd leren. Dit jaar zal de federatie beginnen met het ontwikkelen van algoritmes die hersentumoren identificeren uit een sterk uitgebreide versie van de International Brain Tumor Segmentation (BraTS) challenge dataset. Deze federatie zal medische onderzoekers toegang geven tot veel grotere hoeveelheden gezondheidsgegevens terwijl de beveiliging van die gegevens wordt beschermd.” – Dr. Spyridon Bakas, University of Pennsylvania

Waarom het ertoe doet:

Volgens de American Brain Tumor Association (ABTA) zullen bijna 80.000 mensen dit jaar worden gediagnosticeerd met een hersentumor, waarvan meer dan 4.600 kinderen zijn. Om een model te trainen en te bouwen om een hersentumor te detecteren dat kan helpen bij de vroege detectie en betere resultaten, hebben onderzoekers toegang nodig tot grote hoeveelheden relevante medische gegevens. Echter, het is essentieel dat de gegevens privé blijven en beschermd worden, en dat is waar gefedereerd leren met Intel-technologie om de hoek komt kijken. Door deze benadering te gebruiken, kunnen onderzoekers van alle partnerorganisaties samenwerken aan het bouwen en trainen van een algoritme om een hersentumor te detecteren terwijl gevoelige medische gegevens worden beschermd.

Wat volgt:

In 2020 zullen Penn en de 29 internationale gezondheids- en onderzoeksinstellingen Intel’s gefedereerde leerhardware en -software gebruiken om een nieuw state-of-the-art AI-model te produceren dat getraind is op de grootste hersentumordataset tot nu toe – alles zonder dat gevoelige patiëntgegevens de individuele samenwerkers verlaten. De subset van samenwerkende instellingen die verwacht wordt om deel te nemen aan het initiëren van de eerste fase van deze federatie, omvat het Hospital of the University of Pennsylvania, Washington University in St. Louis, het University of Pittsburgh Medical Center, Vanderbilt University, Queen’s University, Technical University of Munich, University of Bern, King’s College London en Tata Memorial Hospital.

Meer informatie:

• 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