Cómo la IA podría salvar vidas sin revelar secretos médicos

Una ilustración conceptual de IA y seguridad Ariel Davis

El potencial de la inteligencia artificial para transformar la atención de la salud es enorme, pero hay un gran problema.

Los algoritmos de IA necesitarán grandes cantidades de datos médicos sobre los que entrenar antes de que el aprendizaje automático pueda ofrecer nuevas y poderosas formas de detectar y comprender la causa de la enfermedad. Eso significa imágenes, información genómica o registros de salud electrónicos, toda información potencialmente muy confidencial.

Es por eso que los investigadores están trabajando en formas de permitir que la IA aprenda de grandes cantidades de datos médicos mientras dificultan la filtración de esos datos.

Un enfoque prometedor ahora está recibiendo su primera gran prueba en la Escuela de Medicina de Stanford en California. Los pacientes pueden optar por contribuir con sus datos médicos a un sistema de inteligencia artificial que puede ser entrenado para diagnosticar enfermedades oculares sin tener que acceder a sus datos personales.

Los participantes envían los resultados de las pruebas de oftalmología y los datos del registro de salud a través de Una aplicación . La información se usa para entrenar un modelo de aprendizaje automático para identificar signos de enfermedades oculares (como retinopatía diabética y glaucoma) en las imágenes. Pero los datos están protegidos por tecnología desarrollada por Oasis Labs, una empresa emergente surgida de UC Berkeley, que garantiza que la información no puede filtrarse ni utilizarse indebidamente. La Escuela de Medicina de Stanford otorgó permiso a la puesta en marcha para comenzar el ensayo la semana pasada, en colaboración con investigadores de UC Berkeley, Stanford y ETH Zurich.

La confidencialidad de los datos privados de los pacientes es un problema inminente. Los algoritmos de IA entrenados con datos de diferentes hospitales podrían potencialmente diagnosticar enfermedades, prevenir enfermedades y prolongar la vida. Pero en muchos países, los registros médicos no se pueden compartir y alimentar fácilmente a estos algoritmos por razones legales. La investigación sobre el uso de IA para detectar enfermedades en imágenes o datos médicos generalmente involucra conjuntos de datos relativamente pequeños, lo que limita en gran medida la promesa de la tecnología.

Es muy emocionante poder hacer esto con datos clínicos reales, dice Canción del amanecer , cofundador de Oasis Labs y profesor de UC Berkeley. Realmente podemos demostrar que esto funciona.

Oasis almacena los datos privados de los pacientes en un chip seguro, diseñado en colaboración con otros investigadores de Berkeley. Los datos permanecen dentro de la nube de Oasis; los extraños pueden ejecutar algoritmos en los datos y recibir los resultados, sin que nunca abandonen el sistema. Un contrato inteligente, un software que se ejecuta sobre una cadena de bloques, se activa cuando se recibe una solicitud para acceder a los datos. Este software registra cómo se usaron los datos y también verifica para asegurarse de que el cálculo de aprendizaje automático se haya realizado correctamente.

Esto demostrará que podemos ayudar a los pacientes a contribuir con datos de una manera que proteja la privacidad, dice Song. Ella dice que el modelo de enfermedad ocular será más preciso a medida que se recopilen más datos.

Dicha tecnología también podría facilitar la aplicación de IA a otra información confidencial, como registros financieros o hábitos de compra de personas o datos de navegación web. Song dice que el plan es expandir las aplicaciones médicas antes de buscar otros dominios.

Toda la noción de hacer cálculos mientras se mantienen los datos en secreto es increíblemente poderosa, dice david evans , que se especializa en aprendizaje automático y seguridad en la Universidad de Virginia. Cuando se aplica en hospitales y poblaciones de pacientes, por ejemplo, el aprendizaje automático podría desbloquear formas completamente nuevas de vincular la enfermedad con la genómica, los resultados de las pruebas y otra información del paciente.

Le encantaría que un investigador médico pudiera aprender sobre los registros médicos de todos, dice Evans. Podrías hacer un análisis y saber si un fármaco está funcionando o no. Pero no puedes hacer eso hoy.

A pesar del potencial que representa Oasis, Evans es cauteloso. El almacenamiento de datos en hardware seguro crea un posible punto de falla, señala. Si la empresa que fabrica el hardware se ve comprometida, todos los datos manejados de esta manera también serán vulnerables. Las cadenas de bloques están relativamente poco probadas, agrega.

Hay muchas tecnologías diferentes uniéndose, dice sobre el enfoque de Oasis. Algunos son maduros y otros son innovadores y tienen desafíos.

esconder