L'apprendimento automatico per la ricerca sui tumori è in contrasto con la privacy dei pazienti? Non con l'apprendimento federato, afferma Intel

9 ore fa p Tyler Charboneau Una collaborazione tra Intel Labs e Perelman School of Medicine dell'Università della Pennsylvania (Penn Medicine) sta facendo avanzare la medicina diagnostica attraverso una specifica architettura di machine learning chiamata federated learning. A differenza di altri modelli di apprendimento automatico che inviano dati a una posizione centralizzata, un flusso di lavoro federato sposta un modello nei dati per la formazione. Da lì, si ricombina per costruire un modello globale.
Questo modello di apprendimento automatico mira a raccogliere dati preziosi su tumori benigni e maligni in numerosi ospedali garantendo al contempo le informazioni sui pazienti. Non è un segreto che l'IA richiede molta potenza di elaborazione per funzionare in modo efficace. L'architettura della federazione richiede alcuni modelli per funzionare contemporaneamente e quegli algoritmi potrebbero analizzare milioni di punti dati su vasta scala, mettendo a dura prova la potenza di elaborazione.
Intel ha sviluppato la sua tecnologia di apprendimento automatico negli ultimi anni, dotandola di questo sforzo biomedico. Solo due anni fa, Intel ha condiviso che oltre il 50% dei clienti dell'IA aziendale si affidava ai propri processori Xeon. Potremmo aspettarci un'implementazione simile qui a livello di collaboratore.
Intel ha anche acquistato Habana Labs lo scorso dicembre, nel tentativo di rafforzare le loro offerte AI. Questo progetto di tumore al cervello potrebbe essere il frutto di tale acquisizione. Il comunicato stampa riporta che i data center in loco per il progetto useranno l'hardware Intel.
Un'altra tecnologia straordinaria è l'unità di elaborazione visiva Movidius Myriad X (VPU) dell'azienda, che supporta l'apprendimento avanzato avanzato e i carichi di lavoro simultanei. Intel offre inoltre processori AI dedicati e Field Programmable Gate Arrays (FPGA) per supportare l'apprendimento automatico. Intel nGraph, Data Analytics Acceleration Library e PlaidML (tra gli altri) supporteranno le prestazioni sul lato software.
L'intelligenza artificiale del tumore si allenerà presto da un database completo, attraverso la sfida dell'International Brain Tumor Segmentation (BraTS). I professionisti medici possono quindi accedere a documenti velati dai quali è possibile ottenere approfondimenti sulla ricerca. Si dice che l'IA e la privacy abbiano una relazione antagonista.
Un articolo di Fortune sulla privacy e l'IA spiega che l'accresciuta acquisizione dei dati può aprire maggiori opportunità per violazioni della sicurezza e, tuttavia, più dati possono portare a un maggiore successo negli algoritmi di machine learning. Intel e Penn Medicine sperano di affrontare questa sfida con una "precisione del 99%" rispetto alle loro controparti non private. Questa garanzia di affidabilità può realizzare alcune cose: Questa architettura di apprendimento federata garantisce che i dati non vengano elaborati in un sito vulnerabile a violazioni o attacchi.
Il modello viaggia verso i dati, trasmettendo gli aggiornamenti da modelli localizzati a un modello globalizzato. Questo modello centralizzato si evolve, diventando un ibrido delle sue controparti localizzate. Intel e Penn Medicine riconoscono che gli ospedali ospitano database sicuri che cambiano costantemente.
I ricercatori possono condividere questi dati tra sedi di ricerca senza il rischio di intercettazione. Poiché ogni modello è esposto a più dati, qualsiasi modifica algoritmica viene trasferita senza compromettere le informazioni riservate del paziente. Penn Medicine sta guidando gli sforzi a fianco di una coalizione di oltre 29 strutture di ricerca e assistenza sanitaria a livello mondiale. Alcune importanti istituzioni che danno il via alla fase uno includono: Quel National Cancer Institute ha assegnato una sovvenzione di 1,2 milioni di dollari al dottor Spyridon Bakas, capo investigatore, per accelerare lo sviluppo di modelli di intelligenza artificiale.
Questi modelli acquisiranno dati sui pazienti e sulla ricerca da numerose fonti, imparando continuamente, proteggendo al contempo il privato informazione. Il trattamento efficace del tumore al cervello si basa sulla diagnosi precoce. I tumori maligni del cervello possono diffondersi in tutto il sistema nervoso centrale, specialmente se lasciati non controllati.
Questa nuova collaborazione di ricerca porterà probabilmente a risultati migliori. Secondo l'American Society of Clinical Oncology, il tasso di sopravvivenza a cinque anni per i tumori cerebrali cancerosi è di circa il 36%, e questa percentuale diminuisce con l'età. Gli algoritmi di intelligenza artificiale possono aiutare i medici a rilevare queste escrescenze nascoste prima che possano causare danni prevenibili.
L'American Brain Tumor Association stima che quest'anno verranno diagnosticati quasi 80.000 tumori cerebrali. Migliorare i risultati per la stragrande maggioranza dei pazienti è l'obiettivo finale. Questo nuovo sistema di Intel e Penn Medicine promette di onorare entrambe le leggi HIPAA e di immettere dati preziosi, fornendo diagnosi più rapide.
.