Intel ร่วมมือกับ University of Pennsylvania ในการใช้ AI ที่รักษาความเป็นส่วนตัวเพื่อระบุเนื้องอกในสมอง

Intel (INTC ) Labs และ Perelman School of Medicine ของ University of Pennsylvania (Penn Medicine) กำลังตั้งederation กับ 29 สถาบันการดูแลสุขภาพและวิจัยระหว่างประเทศเพื่อฝึกอบรมแบบจำลองปัญญาประดิษฐ์ (AI) ที่ระบุเนื้องอกในสมองโดยใช้เทคนิคที่รักษาความเป็นส่วนตัวที่เรียกว่า federated learning การทำงานนี้ได้รับการสนับสนุนจาก Informatics Technology for Cancer Research (ICTR) program ของ National Cancer Institute (NCI) ของ National Institutes of Health (NIH) โดยมีเงินทุน 1.2 ล้านดอลลาร์สหรัฐฯ ในระยะเวลา 3 ปี ที่มอบให้กับ Dr. Spyridon Bakas ที่ Center for Biomedical Image Computing and Analytics (CBICA) ของ University of Pennsylvania

“AI มีศักยภาพที่ดีในการตรวจจับเนื้องอกในสมอง แต่จะต้องใช้ข้อมูลมากกว่าที่ศูนย์ทางการแพทย์ใดๆ สามารถให้ได้ โดยใช้ซอฟต์แวร์และฮาร์ดแวร์ของ Intel และการสนับสนุนจากผู้เชี่ยวชาญของ Intel เรากำลังทำงานร่วมกับ University of Pennsylvania และederation ของ 29 สถาบันการดูแลสุขภาพและวิจัยเพื่อพัฒนาการระบุเนื้องอกในสมองโดยการรักษาความเป็นส่วนตัวของข้อมูลผู้ป่วย” – Jason Martin, ผู้ช่วยวิศวกรหลัก, Intel Labs

วิธีการทำงาน

Penn Medicine และ 29 สถาบันการดูแลสุขภาพและวิจัยจากสหรัฐอเมริกา, แคนาดา, สหราชอาณาจักร, เยอรมนี, เนเธอร์แลนด์, สวิตเซอร์แลนด์ และอินเดียจะใช้ federated learning ซึ่งเป็นแนวทางการเรียนรู้ของเครื่องจักรที่กระจายออกไป ซึ่งช่วยให้องค์กรสามารถทำงานร่วมกันในโครงการการเรียนรู้ลึกโดยไม่ต้องแบ่งปันข้อมูลผู้ป่วย

Penn Medicine และ Intel Labs เป็นหน่วยงานแรกที่ตีพิมพ์บทความเกี่ยวกับ federated learning ในด้านการแพทย์ โดยเฉพาะอย่างยิ่งในการแสดงให้เห็นว่า federated learning สามารถฝึกอบรมแบบจำลองที่มีความแม่นยำมากกว่า 99% ของแบบจำลองที่ฝึกอบรมด้วยวิธีการทั่วไปที่ไม่มีการรักษาความเป็นส่วนตัว บทความนี้ได้ถูกนำเสนอที่การประชุม International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2018 ที่กรานาดา, สเปน การทำงานใหม่นี้จะใช้ซอฟต์แวร์และฮาร์ดแวร์ของ Intel เพื่อนำ federated learning ไปใช้โดยให้การรักษาความเป็นส่วนตัวเพิ่มเติมสำหรับแบบจำลองและข้อมูล

“โดยทั่วไปแล้วชุมชนวิทยาศาสตร์ของเรายอมรับว่าการฝึกอบรมการเรียนรู้ของเครื่องจักรต้องใช้ข้อมูลที่มากและหลากหลาย ซึ่งไม่มีสถาบันใดๆ สามารถให้ได้ เรากำลังจัดตั้งederation ของ 29 สถาบันการดูแลสุขภาพและวิจัยระหว่างประเทศ ซึ่งจะสามารถฝึกอบรมแบบจำลอง AI ที่มีคุณภาพสูงสำหรับการดูแลสุขภาพโดยใช้เทคโนโลยีการเรียนรู้ของเครื่องจักรที่รักษาความเป็นส่วนตัว รวมถึง federated learning ในปีนี้ ederation จะเริ่มพัฒนาอัลกอริทึมที่ระบุเนื้องอกในสมองจากชุดข้อมูล International Brain Tumor Segmentation (BraTS) challenge ที่มีขนาดใหญ่ขึ้น ederation นี้จะช่วยให้นักวิจัยทางการแพทย์มีการเข้าถึงข้อมูลสุขภาพที่มากขึ้นโดยการรักษาความปลอดภัยของข้อมูล” – Dr. Spyridon Bakas, University of Pennsylvania

ทำไมจึงสำคัญ

ตาม American Brain Tumor Association (ABTA) ประมาณ 80,000 คนจะถูกวินิจฉัยว่าเป็นเนื้องอกในสมองในปีนี้ โดยมากกว่า 4,600 คนเป็นเด็ก เพื่อที่จะฝึกอบรมและสร้างแบบจำลองที่สามารถตรวจจับเนื้องอกในสมองได้ นักวิจัยต้องการการเข้าถึงข้อมูลทางการแพทย์ที่มากและหลากหลาย อย่างไรก็ตาม การรักษาความเป็นส่วนตัวและความปลอดภัยของข้อมูลเป็นสิ่งสำคัญ ซึ่งเป็นที่มาของ federated learning โดยใช้เทคโนโลยีของ Intel โดยการใช้แนวทางนี้ นักวิจัยจากองค์กรที่ร่วมมือทั้งหมดจะสามารถทำงานร่วมกันในการสร้างและฝึกอบรมอัลกอริทึมที่สามารถตรวจจับเนื้องอกในสมองได้โดยการรักษาความเป็นส่วนตัวของข้อมูลทางการแพทย์

สิ่งที่จะเกิดขึ้นต่อไป

ในปี 2020 Penn และ 29 สถาบันการดูแลสุขภาพและวิจัยระหว่างประเทศจะใช้ฮาร์ดแวร์และซอฟต์แวร์ federated learning ของ Intel เพื่อสร้างแบบจำลอง AI ที่มีคุณภาพสูงสุดซึ่งฝึกอบรมจากชุดข้อมูลเนื้องอกในสมองที่ใหญ่ที่สุดจนถึงปัจจุบัน โดยไม่ต้องมีการแบ่งปันข้อมูลผู้ป่วยที่มีความละเอียดอ่อนระหว่างผู้ร่วมมือ สถาบันที่คาดว่าจะเข้าร่วมในขั้นตอนแรกของ ederation นี้รวมถึง 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 และ Tata Memorial Hospital

เรียนรู้เพิ่มเติม

• อะไรคือ Federated Learning?
• Federated Learning for Medical Imaging (blog)
• การปรับปรุง AI และความเป็นส่วนตัวไม่ใช่เกมที่มีผลรวมเป็นศูนย์ (op-ed)
• ปัญญาประดิษฐ์ที่ Intel
• Federated Learning ในการแพทย์