Hvordan AI kunne redde liv uden at spilde medicinske hemmeligheder

En konceptuel illustration af kunstig intelligens og sikkerhed Ariel Davis

Potentialet for kunstig intelligens til at transformere sundhedsvæsenet er enormt, men der er en stor fangst.

AI-algoritmer vil have brug for enorme mængder medicinske data at træne på, før maskinlæring kan levere kraftfulde nye måder at opdage og forstå årsagen til sygdommen. Det betyder billeder, genomisk information eller elektroniske sundhedsjournaler - alt sammen potentielt meget følsomme oplysninger.

Det er derfor, forskere arbejder på måder at lade AI lære af store mængder medicinske data, mens de gør det meget svært for disse data at lække.

En lovende tilgang får nu sin første store test på Stanford Medical School i Californien. Patienter dér kan vælge at bidrage med deres medicinske data til et AI-system, der kan trænes til at diagnosticere øjensygdom uden nogensinde at få adgang til deres personlige oplysninger.

Deltagerne indsender oftalmologiske testresultater og sundhedsjournaldata igennem en app . Oplysningerne bruges til at træne en maskinlæringsmodel til at identificere tegn på øjensygdom (såsom diabetisk retinopati og glaukom) på billederne. Men dataene er beskyttet af teknologi udviklet af Oasis Labs, en startup udvundet af UC Berkeley, som garanterer, at informationen ikke kan lækkes eller misbruges. Startup'et fik tilladelse af Stanford Medical School til at starte forsøget i sidste uge i samarbejde med forskere ved UC Berkeley, Stanford og ETH Zürich

Følsomheden af ​​private patientdata er et truende problem. AI-algoritmer trænet på data fra forskellige hospitaler kan potentielt diagnosticere sygdom, forebygge sygdom og forlænge livet. Men i mange lande kan lægejournaler ikke nemt deles og føres til disse algoritmer af juridiske årsager. Forskning i at bruge AI til at spotte sygdom i medicinske billeder eller data involverer normalt relativt små datasæt, hvilket i høj grad begrænser teknologiens løfte.

Det er meget spændende at kunne gøre dette med rigtige kliniske data, siger Dawn sang , medstifter af Oasis Labs og professor ved UC Berkeley. Vi kan virkelig vise, at det virker.

Oasis gemmer de private patientdata på en sikker chip, designet i samarbejde med andre forskere ved Berkeley. Dataene forbliver i Oasis-skyen; udenforstående er i stand til at køre algoritmer på dataene og modtage resultaterne, uden at de nogensinde forlader systemet. En smart kontrakt - software, der kører oven på en blockchain - udløses, når der modtages en anmodning om at få adgang til dataene. Denne software logger, hvordan dataene blev brugt og kontrollerer også for at sikre, at maskinlæringsberegningen blev udført korrekt.

Dette vil vise, at vi kan hjælpe patienter med at bidrage med data på en privatlivsbeskyttende måde, siger Song. Hun fortæller, at øjensygdomsmodellen bliver mere præcis, efterhånden som der indsamles flere data.

En sådan teknologi kan også gøre det lettere at anvende kunstig intelligens på andre følsomme oplysninger, såsom økonomiske optegnelser eller enkeltpersoners købsvaner eller web-browsingdata. Song siger, at planen er at udvide de medicinske applikationer, før man ser til andre domæner.

Hele ideen om at lave beregninger, mens data holdes hemmelige, er en utrolig kraftfuld, siger David Evans , som har specialiseret sig i maskinlæring og sikkerhed ved University of Virginia. Når det anvendes på tværs af hospitaler og patientpopulationer, for eksempel, kan maskinlæring frigøre helt nye måder at knytte sygdom til genomik, testresultater og anden patientinformation.

Du ville elske det, hvis en medicinsk forsker kunne lære om alles lægejournaler, siger Evans. Du kunne lave en analyse og fortælle, om et lægemiddel ikke virker. Men det kan du ikke i dag.

På trods af det potentiale Oasis repræsenterer, er Evans forsigtig. Lagring af data i sikker hardware skaber et potentielt fejlpunkt, bemærker han. Hvis virksomheden, der laver hardwaren, er kompromitteret, så vil alle de data, der håndteres på denne måde, også være sårbare. Blockchains er relativt ubeviste, tilføjer han.

Der er en masse forskellig teknologi, der kommer sammen, siger han om Oasis tilgang. Nogle er modne, og nogle er banebrydende og har udfordringer.

skjule