Un nuovo metodo di intelligenza artificiale può allenarsi sulle cartelle cliniche senza rivelare i dati del paziente

Categoria: Intelligenza artificiale Inserito 11 dic

Quando Google ha annunciato che avrebbe assorbito la divisione sanitaria di DeepMind, ha acceso un'importante controversia sulla privacy dei dati. Sebbene DeepMind abbia confermato che la mossa non avrebbe effettivamente consegnato i dati grezzi dei pazienti a Google, solo l'idea di fornire informazioni personali a un gigante della tecnologia, identificando le cartelle cliniche ha reso le persone nauseate. Questo problema con l'ottenimento di molti dati di alta qualità è diventato il più grande ostacolo all'applicazione dell'apprendimento automatico in medicina.

Per aggirare il problema, i ricercatori di intelligenza artificiale hanno fatto progressi nuove tecniche per addestrare modelli di machine learning mantenendo la riservatezza dei dati. Il ultimo metodo , fuori dal MIT, è chiamata rete neurale divisa: consente a una persona di iniziare ad addestrare un modello di apprendimento profondo e a un'altra persona di terminare.

L'idea è che gli ospedali e altre istituzioni mediche sarebbero in grado di addestrare i loro modelli in parte con i dati dei loro pazienti a livello locale, quindi inviare ciascuno il proprio modello semi-addestrato in una posizione centralizzata per completare le fasi finali della formazione con i propri modelli insieme. La posizione centralizzata, che si tratti dei servizi cloud di Google o di un'altra azienda, non vedrebbe mai i dati grezzi del paziente; vedrebbero solo l'output del modello cotto a metà più il modello stesso. Ma gli ospedali trarrebbero vantaggio da un modello finale formato su una combinazione dei dati di ogni istituzione partecipante.

Ramesh Raskar, professore associato al MIT Media Lab e coautore dell'articolo, paragona questo processo alla crittografia dei dati. Solo grazie alla crittografia mi sento a mio agio nell'inviare i dati della mia carta di credito a un'altra entità, dice. L'offuscamento dei dati medici attraverso le prime fasi di una rete neurale protegge i dati allo stesso modo.

Nel testare questo approccio rispetto ad altri progettati anche per proteggere i dati dei pazienti, il team di ricerca ha scoperto che le reti neurali divise richiedono un numero significativamente inferiore di risorse computazionali per addestrarsi e anche produrre modelli con una precisione molto maggiore.

Questo post è apparso originariamente nella nostra newsletter AI The Algorithm. Per riceverlo direttamente nella tua casella di posta, iscriviti qui gratuitamente.