Intel y la Universidad de Pennsylvania usarán IA que protege la privacidad para identificar tumores cerebrales

Además, este modelo de IA emplea una técnica que permite proteger la privacidad, denominada aprendizaje federado. La labor de Penn Medicine está financiada por el programa de Tecnología Informática para Investigación de Cáncer (Informatics Technology for Cancer Research, ITCR) del Instituto Nacional del Cáncer (National Cancer Institute, NCI) y algunos de los Institutos Nacionales de Salud (National Institutes of Health, NIH), mediante una subvención de tres años valorada en 1,2 millones de dólares asignada al investigador principal, Dr. Spyridon Bakas del Centro de Computación y Analítica de Imagen Biomédica (Center for Biomedical Image Computing and Analytics, CBICA) de la Universidad de Pennsylvania.

«La inteligencia artificial tiene un gran potencial en la detección precoz de tumores cerebrales, pero para materializar todo ese potencial se requieren más datos de los que ningún centro médico puede reunir por sí solo. Empleando el software y hardware de Intel, así como el apoyo de algunas de las mentes más brillantes de Intel Labs, estamos colaborando con la Universidad de Pennsylvania y una federación de 29 centros médicos para avanzar en la identificación de tumores cerebrales, al tiempo que protegemos la información personal de los pacientes».

Penn Medicine y otros 29 organismos de salud e investigación, procedentes de EE.UU., Canadá, Reino Unido, Alemania, Países Bajos, Suiza e India, emplearán el aprendizaje federado, consistente en un enfoque de aprendizaje automático distribuido que permite a las organizaciones colaborar en proyectos de aprendizaje profundo sin necesidad de compartir datos de pacientes.

Penn Medicine e Intel Labs fueron los primeros en publicar un estudio sobre aprendizaje federado en el campo de la imagen médica, demostrando específicamente que el método de aprendizaje federado era capaz de entrenar a un modelo con una precisión equivalente al 99% de un modelo entrenado mediante el enfoque tradicional sin protección de la privacidad. Este estudio fue presentado inicialmente durante la Conferencia Internacional sobre Computación de Imagen Médica e Intervención Asistida por Ordenador (International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI) celebrada en Granada en 2018. El nuevo trabajo aprovechará el software y hardware de Intel para implementar el aprendizaje federado de un modo que proporcione protección adicional de la privacidad tanto al modelo como a los datos.

«La comunidad científica entiende que el entrenamiento del aprendizaje automático requiere conjuntos de datos amplios y diversos que ninguna institución puede reunir por sí sola» explicó Bakas. «Estamos coordinando la colaboración internacional entre una federación de 29 organismos de salud e investigación que será capaz de entrenar modelos avanzados de IA para medicina, empleando tecnologías de aprendizaje automático que protegen la privacidad, incluyendo el aprendizaje federado. Este año, la federación comenzará a desarrollar algoritmos para identificar tumores cerebrales mediante una versión expandida del conjunto de datos procedente del Desafío Internacional de Segmentación de Tumores Cerebrales (International Brain Tumor Segmentation, BraTS). Esta federación concederá a los investigadores médicos acceso a cantidades mucho mayores de datos de salud, al tiempo que protegerá la seguridad de estos datos».