Intel, Penn Medicine Thực hiện Nghiên cứu Học Liên bang Y tế Lớn nhất

Intel Labs và Trường Y Perelman của Đại học Pennsylvania (Penn Medicine) đã công bố kết quả của nghiên cứu học liên bang y tế lớn nhất. Nghiên cứu chung này 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 ở Nature Communications. 

Một Nghiên cứu Không Tương Lai

Nghiên cứu này 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 bang 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 nói. “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 tập dữ liệu sẽ không thể tiếp cận 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 tiếp tục khám phá tiềm năng của học liên bang.”

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 của tiểu 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 bang của Intel tuân thủ các vấn đề về quyền riêng tư của dữ liệu và bảo tồn tính toàn vẹn của dữ liệu.

Các nhóm đã xử lý một lượng lớn dữ liệu trong một hệ thống phân tán bằng công nghệ học liên bang của Intel cùng với Intel Software Guard Extensions (SGX), giúp loại bỏ các rào cản chia sẻ dữ liệu. Hệ thống này 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. Cập nhật mô hình được tính toán từ dữ liệu chỉ có thể được gửi đến máy chủ trung tâm hoặc bộ tổng hợp. Dữ liệu thực tế 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 nói. “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 bang này thể hiện một con đường khả thi cho AI để tiến bộ và đạt được tiềm năng của nó như một công cụ mạnh nhất để chống lại những bệnh tật khó khăn nhất.”

Spyridon Bakas, PhD, là giáo sư trợ lý về Bệnh lý và Y học Phòng thí nghiệm, và Y học Hình ảnh, tại Trường Y Perelman của Đại học Pennsylvania. 

“Trong nghiên cứu này, học liên bang cho thấy tiềm năng của nó như một sự thay đổi mô hình trong việc bảo mật hợp tác giữa các tổ chức bằng cách cho phép truy cập vào tập dữ liệu lớn nhất và đa dạng nhất về bệnh nhân u não ác tính 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 nói. “Dữ liệu càng nhiều mà chúng ta có thể cung cấp cho các mô hình học máy, thì càng chính xác, điều này có thể cải thiện khả năng hiểu và điều trị của chúng, thậm chí cả các bệnh hiếm như u não ác tính.”

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