Как искусственный интеллект может спасать жизни, не раскрывая медицинских секретов.
Первый большой тест для платформы, которая позволяет алгоритмам искусственного интеллекта учиться на частных данных пациентов, проводится в Стэнфордской медицинской школе.
Потенциал искусственного интеллекта для преобразования здравоохранения огромен, но есть и большой подвох.
Алгоритмы искусственного интеллекта будут нуждаться в огромном количестве медицинских данных, на которых можно тренироваться, прежде чем машинное обучение сможет предоставить мощные новые способы обнаружения и понимания причины болезни. Это означает, что изображения, геномная информация или электронные медицинские записи потенциально очень чувствительная информация.
Вот почему исследователи работают над способами, позволяющими ИИ учиться на больших объемах медицинских данных и в то же время пытаются затруднить утечку этих данных.
Один из многообещающих способов сейчас проходит свой первый большой тест в Стэнфордской медицинской школе в Калифорнии. Пациенты могут воспользоваться внесением своих медицинских данных в систему искусственного интеллекта, которая может быть обучена диагностировать глазные заболевания не имея доступа к их личным данным.
Участники представляют результаты офтальмологических тестов и данные медицинской карты через приложение. Эта информация используется для обучения модели машинного обучения распознаванию признаков глазных заболеваний (таких как диабетическая ретинопатия и глаукома) на изображениях.Эти данные защищены технологией, разработанной стартапом Oasis Labs, вышедшим из Калифорнийского университета Беркли.Они гарантирует, что информация не может быть украдена или неправильно использована. Стартап получил разрешение Стэнфордской медицинской школы начать испытания в сотрудничестве с исследователями из Калифорнийского университета в Беркли, Стэнфорда и ETH Zurich
Деликатность частных данных пациентов - это надвигающаяся проблема. Алгоритмы искусственного интеллекта, обученные на данных из разных больниц, потенциально могут диагностировать болезни, предотвращать их и продлевать жизнь. Но во многих странах медицинские записи не могут быть легко разделены и переданы этим алгоритмам по юридическим причинам. Исследования по использованию ИИ для выявления заболеваний в медицинских изображениях или данных обычно включают в себя относительно небольшие наборы данных, что значительно ограничивает перспективы технологии.
” Очень интересно иметь возможность делать это с реальными клиническими данными", - говорит Dawn Song, соучредитель Oasis Labs и профессор Калифорнийского университета Беркли.
“Мы действительно можем показать, что это работает.”
Oasis хранит личные данные пациентов на защищенном чипе, разработанном в сотрудничестве с другими исследователями из Беркли. Данные остаются в облаке Oasis.Посторонние могут запускать алгоритмы на данных и получать результаты, никогда не покидая систему. Смарт-контракт - программное обеспечение, работающее поверх блокчейна,запускается при получении запроса на доступ к данным. Это программное обеспечение регистрирует, как использовались данные, а также проверяет что вычисление машинного обучения было выполнено правильно.
“Это покажет, что мы можем помочь пациентам предоставлять данные и защищать конфиденциальность.Модель глазного заболевания станет более точной по мере сбора большего количества данных."- говорит Song.
Такая технология также может облегчить применение искусственного интеллекта к другой конфиденциальной информации, такой как финансовые отчеты или покупательские привычки отдельных лиц или данные о просмотре веб-страниц. Song говорит, что план состоит в том, чтобы расширить медицинские приложения, прежде чем искать другие области.
” Вся идея делать вычисления, сохраняя данные в секрете, является невероятно мощной", - говорит Дэвид Эванс, который специализируется на машинном обучении и безопасности в Университете Вирджинии. Например, при применении в различных больницах и группах пациентов машинное обучение может открыть совершенно новые способы привязки болезни к геномике, результатам тестов и другой информации о пациентах.
” Вам бы понравилось, если бы медицинский исследователь мог узнать об этом из всех медицинских карт", - говорит Эванс. “Вы могли бы сделать анализ и понять будет ли действует препарат но сейчас вы не можете этого сделать.”
Несмотря на потенциал, который представляет собой Oasis, Эванс осторожен. Хранение данных в защищенном облаке создает потенциальную точку отказа. Если компания, производящая аппаратное обеспечение, скомпрометирована, то все данные, обрабатываемые таким образом, также будут уязвимы. Блокчейны относительно недоказанны, добавляет он.
“Есть много разных технологий, которые объединяются вместе", - говорит Эванс о подходе Oasis. "Некоторые из них являются зрелыми, а некоторые-передовыми и имеют проблемы.”