La nueva tecnología de inteligencia artificial protege la privacidad en las instalaciones sanitarias

Los científicos de TUM e Imperial han desarrollado una tecnología que protege la información personal de los pacientes mientras entrenan algoritmos de atención médica.

Esta tecnología se utilizó por primera vez en un algoritmo que identifica la neumonía a partir de radiografías de niños. Los investigadores encontraron que sus nuevas técnicas de protección de la privacidad mostraron una precisión comparable o mejor en el diagnóstico de diferentes casos de neumonía en niños que los algoritmos existentes.

Los algoritmos de inteligencia artificial (IA) pueden ayudar a los médicos a diagnosticar enfermedades como el cáncer y la sepsis. La efectividad de estos algoritmos depende de la cantidad y calidad de los datos médicos utilizados para entrenarlos también. datos del paciente a menudo se comparte entre clínicas para maximizar el conjunto de datos.

Para proteger estos datos, el material suele ser anónimo y seudonimizado, pero los científicos dicen que estas salvaguardas a menudo han resultado insuficientes en términos de protección de los datos de salud de los pacientes.

Para abordar este problema, un equipo interdisciplinario de la Universidad Técnica de Munich (TUM), el Imperial College London y la organización sin fines de lucro OpenMined ha desarrollado una combinación única de procesos de diagnóstico basados ​​en IA para datos de imágenes radiológicas que privacidad de datos.

En su artículo publicado en Inteligencia de la máquina de la naturalezael equipo presentará una solicitud exitosa: un algoritmo de aprendizaje profundo que ayuda a clasificar las condiciones de la neumonía en las radiografías de los niños.

El coautor, el profesor Daniel Rueckert, del Departamento de Computación de Imperial y TUM, dijo: “Garantizar la privacidad y seguridad de los datos de atención médica es fundamental para el desarrollo y la implementación de modelos de aprendizaje automático a gran escala”.

Protección de la privacidad

Una forma de proteger los registros de los pacientes es almacenarlos donde se recopilan, en lugar de compartirlos con otras clínicas. Actualmente, las clínicas ponen a disposición los datos de los pacientes enviando copias de bases de datos a las clínicas donde aprenden algoritmos.

En este estudio, los investigadores utilizaron el aprendizaje federado, donde se comparte un algoritmo de aprendizaje profundo en lugar de los datos en sí. Los modelos se entrenaron en diferentes hospitales utilizando datos locales y luego se devolvieron a los autores; por lo tanto, los propietarios de los datos no tuvieron que compartir sus datos y conservaron el control total.

El primer autor, Georgios Kaissis de TUM y del Departamento de Computación de Imperial, dijo: “Para garantizar la seguridad de los datos de los pacientes, nunca abandone la clínica donde se recopilan”.

Para evitar la identificación de las instituciones donde se entrenó el algoritmo, el equipo utilizó una técnica diferente: agregación segura. Combinaron los algoritmos en forma encriptada y los desencriptaron solo después del entrenamiento con los datos de todas las instituciones participantes.

Para evitar que los datos de pacientes individuales se filtren fuera de los registros de datos, los investigadores utilizaron una tercera técnica durante su entrenamiento. algoritmo de modo que las correlaciones estadísticas se puedan extraer de los registros de datos, pero no de las contribuciones individuales.

El profesor Rueckert dijo: “Nuestros métodos se han utilizado en otros estudios, pero aún no hemos visto estudios a gran escala con datos clínicos reales. A través del desarrollo de tecnología dirigida y la colaboración entre profesionales de TI y radiología, hemos capacitado con éxito modelos que brindan resultados precisos al tiempo que cumplen con altos estándares de protección de datos y privacidad “.

Allanando el camino para la medicina digital

La combinación de los últimos procesos de protección de datos también facilitará la colaboración entre instituciones, como lo demostró el equipo en un artículo anterior publicado en 2020. Su método de inteligencia artificial para proteger la privacidad puede superar obstáculos éticos, legales y políticos, allanando así el camino para el uso generalizado de IA en la asistencia sanitaria que podría ser de gran importancia para la investigación de enfermedades raras.

Los científicos creen que al proteger la privacidad de los pacientes, su tecnología puede hacer una contribución significativa al desarrollo de la medicina digital. Georgios agregó: “Para entrenar buenos algoritmos de IA, necesitamos buenos datos, y estos datos solo se pueden obtener protegiendo adecuadamente la privacidad del paciente. Nuestros hallazgos muestran que con la protección de datos, podemos hacer mucho más por el avance del conocimiento de lo que mucha gente piensa “.

“Al final Intimidad preservar el aprendizaje profundo en imágenes médicas multiinstitucionales “por Georgios Kaissis et al., fue publicado el 24 de mayo de 2021 en Inteligencia de la máquina de la naturaleza.