Медицинский центр Эразма в Роттердаме (Нидерланды) в ходе совместных исследований с Intel Labs и Медицинской школой Перельмана при университете Пенсильвании нашел способ выявлять злокачественные опухоли мозга на более ранней стадии. Для этого исследователи использовали новую технологию — федеративное обучение, объединяющее в себе машинное обучение и искусственный интеллект. В рамках этого проекта ученые показали, что можно на треть улучшить обнаружение опухолей мозга.
Это крупнейшее на сегодня медицинское исследование с использованием новейших технологий, в котором использовался беспрецедентный глобальный набор данных с участием 71 учреждения, расположенных на шести континентах.
Результаты исследования были опубликованы в журнале Nature Communications.
Доступность данных уже давно является проблемой в здравоохранении из-за действующих национальных законов о защите данных, а также Общего положения о защите данных (GDPR). Это сделало практически невозможным проведение масштабных медицинских исследований и обмен данными без ущерба для конфиденциальности пациентов. Аппаратное и программное обеспечение Intel для технологии федеративного обучения соответствует требованиям конфиденциальности данных, а также защищает целостность и безопасность данных благодаря использованию доверенных компьютеров.
Результаты работы в рамках этого проекта были достигнуты благодаря обработке больших объемов данных в децентрализованной системе. Для этого использовалась технология Intel federated learning в сочетании с Intel Software Guard Extensions (SGX). Эта технология устраняет барьеры для обмена данными, которые в прошлом препятствовали сотрудничеству в сопоставимых исследованиях рака и других заболеваний. Система решает множество проблем конфиденциальности данных, сохраняя исходные данные в собственной сети больницы и позволяя отправлять на центральный сервер (или агрегатор) только обновления модели, рассчитанные на основе этих данных, а не сами исходные данные.
По словам ученых, принимавших участие в исследовании,
Автоматическое обнаружение опухолей — важный шаг для персонализации и мониторинга лечения, и для разработки этой методики было необходимо использовать данные из разных учреждений. Благодаря этому сотрудничеству мы смогли легко это сделать, сохранив при этом контроль над данными в наших собственных сетях.
"Федеративное обучение знаменует собой прорыв в обеспечении безопасности многоинституционального сотрудничества. Оно облегчает доступ к самому большому и разнообразному набору данных, который когда-либо появлялся в медицинских исследованиях. При этом обеспечивается постоянное хранение всех таких данных в каждом учреждении, — сказал доцент кафедры патологии и лабораторной медицины и радиологии в Медицинской школе Перельмана при университете Пенсильвании доктор Спиридон Бакас. — Чем больше данных мы сможем ввести в модели машинного обучения, тем более точными они станут. Это, в свою очередь, улучшит нашу способность понимать и лечить даже очень редкие заболевания, такие как глиобластома".
Источник: Innovation Origins
#ОНКОЛОГИЯ
#ГЛИОБЛАСТОМА #РАКМОЗГА
#ИНТЕРНЕТМЕДИЦИНСКИХВЕЩЕЙ