Intel, Trường Y Penn Thực hiện Nghiên cứu Học Liên kết Y tế Lớn nhất

Intel (INTC ) Labs và Trường Y Perelman của Đại học Pennsylvania (Penn Medicine) đã công bố kết quả của nghiên cứu học liên kết y tế lớn nhất. Nghiên cứu chung sử dụng học máy (ML) và trí tuệ nhân tạo (AI) để giúp các tổ chức y tế và nghiên cứu quốc tế xác định các khối u não ác tính.

Nghiên cứu được công bố trên Nature Communications.

Một Nghiên cứu Không Tương xứng

Nghiên cứu liên quan đến một tập dữ liệu chưa từng có được kiểm tra từ 71 tổ chức trên sáu lục địa, và kết quả của nó đã chứng minh khả năng cải thiện việc phát hiện khối u não lên 33%.

Jason Martin là kỹ sư chính tại Intel Labs.

“Học liên kết có tiềm năng to lớn trên nhiều lĩnh vực, đặc biệt là trong lĩnh vực y tế, như được thể hiện trong nghiên cứu của chúng tôi với Penn Medicine,” Martin cho biết. “Khả năng bảo vệ thông tin và dữ liệu nhạy cảm của nó mở ra cánh cửa cho các nghiên cứu và hợp tác tương lai, đặc biệt là trong các trường hợp mà các tập dữ liệu khác sẽ không thể truy cập được. Công việc của chúng tôi với Penn Medicine có tiềm năng tác động tích cực đến bệnh nhân trên toàn cầu và chúng tôi mong đợi được tiếp tục khám phá tiềm năng của học liên kết.”

Khả năng Tiếp cận Dữ liệu trong Y tế

Khả năng tiếp cận dữ liệu là một thách thức lớn trong y tế, với các luật bảo vệ dữ liệu và quyền riêng tư của bang và quốc gia làm cho việc nghiên cứu y tế và dữ liệu quy mô lớn trở nên khó khăn mà không ảnh hưởng đến thông tin sức khỏe của bệnh nhân. Nhờ có tính toán bảo mật, phần cứng và phần mềm học liên kết của Intel tuân thủ các vấn đề về quyền riêng tư của dữ liệu và bảo vệ tính toàn vẹn của dữ liệu.

Các nhóm đã xử lý khối lượng lớn dữ liệu trong một hệ thống phân tán sử dụng công nghệ học liên kết của Intel cùng với phần mở rộng bảo mật phần mềm Intel (SGX), giúp loại bỏ các rào cản chia sẻ dữ liệu. Hệ thống cũng giải quyết các vấn đề về quyền riêng tư bằng cách giữ nguyên dữ liệu thô bên trong cơ sở hạ tầng tính toán của người nắm giữ dữ liệu. Các bản cập nhật mô hình tính từ dữ liệu có thể chỉ được gửi đến một máy chủ trung tâm hoặc người thu thập. Dữ liệu chính nó không thể được gửi.

Rob Enderle là nhà phân tích chính tại Enderle Group.

“Tất cả sức mạnh tính toán trên thế giới không thể làm được nhiều việc nếu không có đủ dữ liệu để phân tích,” Enderle cho biết. “Khả năng không thể phân tích dữ liệu đã được thu thập đã làm chậm đáng kể các đột phá y tế lớn mà AI đã hứa hẹn. Nghiên cứu học liên kết này展示 một con đường khả thi cho AI để phát triển và đạt được tiềm năng của nó như một công cụ mạnh nhất để chống lại các bệnh tật khó khăn nhất của chúng ta.”

Spyridon Bakas, PhD, là giáo sư trợ lý về Pathology & Laboratory Medicine, và Radiology, tại Trường Y Perelman của Đại học Pennsylvania.

“Trong nghiên cứu này, học liên kết cho thấy tiềm năng của nó như một sự thay đổi mô hình trong việc bảo mật hợp tác đa tổ chức bằng cách cho phép truy cập vào tập dữ liệu lớn nhất và đa dạng nhất về bệnh nhân glioblastoma từng được xem xét trong tài liệu, trong khi tất cả dữ liệu được giữ lại trong từng tổ chức tại mọi thời điểm,” Bakas cho biết. “Dữ liệu càng nhiều mà chúng ta có thể đưa vào các mô hình học máy, mô hình càng trở nên chính xác, điều này có thể cải thiện khả năng hiểu và điều trị của chúng ta về cả các bệnh hiếm gặp, như glioblastoma.”

Điều quan trọng là các nhà nghiên cứu phải có quyền truy cập vào số lượng lớn dữ liệu y tế để thúc đẩy các phương pháp điều trị. Nhưng số lượng dữ liệu này thường quá lớn đối với một cơ sở. Với nghiên cứu mới, các nhà nghiên cứu đang tiến gần hơn đến việc mở khóa các kho dữ liệu đa địa điểm để thúc đẩy học liên kết quy mô lớn. Những tiến bộ này có thể mang lại nhiều lợi ích như việc phát hiện sớm bệnh tật.