Un nuevo método de IA puede entrenar en registros médicos sin revelar datos de pacientes

Categoría: Inteligencia artificial Al corriente 11 de diciembre

Cuando Google anunció que absorbería la división de salud de DeepMind, desató una gran controversia sobre la privacidad de los datos. Aunque DeepMind confirmó que la medida en realidad no entregaría datos de pacientes sin procesar a Google, solo la idea de brindarle a un gigante tecnológico registros médicos íntimos e identificables hizo que la gente se sintiera mareada. Este problema de obtener muchos datos de alta calidad se ha convertido en el mayor obstáculo para aplicar el aprendizaje automático en medicina.

Para solucionar el problema, los investigadores de IA han estado avanzando nuevas tecnicas para entrenar modelos de aprendizaje automático manteniendo la confidencialidad de los datos. El último método , del MIT, se llama red neuronal dividida: permite que una persona comience a entrenar un modelo de aprendizaje profundo y que otra persona termine.

La idea es que los hospitales y otras instituciones médicas puedan entrenar sus modelos parcialmente con los datos de sus pacientes localmente, luego cada uno envía su modelo medio entrenado a una ubicación centralizada para completar las etapas finales de entrenamiento con sus modelos juntos. La ubicación centralizada, ya sean los servicios en la nube de Google o de otra compañía, nunca vería los datos sin procesar del paciente; solo verían la salida del modelo a medio hacer más el modelo en sí. Pero los hospitales se beneficiarían de un modelo final entrenado en una combinación de los datos de cada institución participante.

Ramesh Raskar, profesor asociado del MIT Media Lab y coautor del artículo, compara este proceso con el cifrado de datos. Solo gracias al cifrado me siento cómodo enviando los datos de mi tarjeta de crédito a otra entidad, dice. La ofuscación de datos médicos a través de las primeras etapas de una red neuronal protege los datos de la misma manera.

Al probar este enfoque con otros también diseñados para mantener seguros los datos de los pacientes, el equipo de investigación descubrió que las redes neuronales divididas requieren significativamente menos recursos computacionales para entrenar y también producir modelos con una precisión mucho mayor.

Esta publicación apareció originalmente en nuestro boletín informativo de IA El algoritmo. Para recibirlo directamente en su bandeja de entrada, suscríbase aquí de forma gratuita.