Как можно использовать огромные возможности искусственного интеллекта в сфере здравоохранения, одновременно решая проблемы с конфиденциальностью? В этом интервью с Жоао Коррейей из Biotronics 3D, Петросом Папахристу и Кристиной Коциопулу из Hygeia мы объясняем, как платформа MUSKETEER, исследовательский проект, в котором участвовали две компании, помогла решить их проблемы и какие преимущества она дает. приносит для своих организаций.
—
Какая польза от проекта для вас? Помогло ли это повысить точность ваших алгоритмов искусственного интеллекта (т. е. с помощью федеративного обучения)?
Жоао Коррейя (Biotronics3D)
Да, мы смогли обучить несколько моделей ИИ с помощью инструментов, предоставленных партнерами. Нам удалось создать модели с хорошей точностью, около 90% для некоторых из них. Мы надеемся, что теперь, когда у нас есть больше данных, мы сможем продолжить улучшать эти модели ИИ. В настоящее время мы проводим финальные тесты, надеемся, что они снова улучшатся.
Петрос Папахристу (Гигия)
С нашей стороны прямую выгоду мы видим, и это касается в целом систем ИИ, они освобождают работников от повторяющихся задач, рентгенологов в нашем случае, особенно для исследований, которые классифицируются как «нормальные». Они повышают безопасность, добавляют подстраховку, если рентгенологи что-то упускают, и обнаруживают то, что не было обнаружено в их повседневной работе, поскольку у них уже много работы. Когда вы используете систему ИИ, основанную на предварительно классифицированных данных, она дает вам возможные выводы, заявляя, например, «это нормально, но вот эта область, вы должны увидеть ее снова». Наверное, это хорошо, но создает так называемую подстраховку. Это предотвращает ошибки. Он не заменяет рентгенолога, а помогает ему в процессе анализа изображений. Кроме того, это повышает безопасность пациентов.
По вашему мнению, поможет ли федеративное обучение расширить исследования инструментов искусственного интеллекта для медицинской визуализации с использованием распределенных хранилищ данных?
JC: Определенно есть такой положительный результат, что мы сможем продолжать работать в области, специфичной для рака простаты, и пытаться создавать новые модели и улучшать то, что мы уже достигли. В то же время мы могли бы начать искать другие заболевания, например, рак печени и другие виды рака, для которых мы можем применить аналогичные подходы, используя медицинскую визуализацию, чтобы идентифицировать и, в конечном итоге, также классифицировать поражения, существующие в других органах человеческого тела. Использование платформы MUSKETEER для здравоохранения позволяет нам продолжать работу с Hygiea и, возможно, с другими партнерами для продолжения исследований в области медицинской визуализации. Так что это очень важно для нас.
Улучшает ли это ваше коммерческое предложение соответствующим образом?
ДЧ: Да. В Biotronics3D мы предлагаем эти решения для медицинской визуализации, которые уже интегрированы с некоторыми сторонними приложениями искусственного интеллекта. Это внешние модели, которые мы интегрируем в 3Dnet, нашу платформу, чтобы обеспечить автоматическую идентификацию функций в медицинских изображениях для поддержки медицинской диагностики. И у нас есть много клиентов, которые заинтересованы в ИИ и расширяют свое применение ИИ в своих конкретных случаях. Мы сможем не только работать с ними и проводить некоторые исследования, но и начать сертификацию некоторых модулей ИИ (необходимых для сектора здравоохранения). , то есть соблюдение правил медицинского оборудования и будущих правил искусственного интеллекта), превращая их в продукты. Это открывает новые возможности для B3D.
ПП: А для промышленной производительности, когда у вас есть система ИИ, которая говорит, что изображение на 99,99% нормальное, это действительно, в целом, нормально. Поскольку работа рентгенологов предполагает много обследований, при которых в большинстве случаев нет результатов, такие инструменты очень помогают во многих процедурах обнаружения рака, скажем, рака молочной железы или рака таза, где вы экономите много работы. В конечном итоге это делает его важным как для безопасности, так и для производительности.
В проекте предлагались различные режимы работы с конфиденциальностью (POM). Помогло ли это соблюсти ваши юридические ограничения и ограничения конфиденциальности?
JC: благодаря федеративному обучению мы делимся только коэффициентами, полученными в результате совместного обучения (вместо полных данных), это удовлетворительно с точки зрения ограничений конфиденциальности.
ПП: Со стороны Hygiea, прежде всего, еще до начала проекта мы получаем согласие от наших пациентов, любого пациента, поступающего в больницу, на анонимное использование их данных в научных целях. У нас есть фундамент, чтобы работать в исследовательской области. И хорошо то, что проект доказал, что это можно сделать, не раскрывая данные наших клиентов, при этом улучшая качество алгоритмов за счет сотрудничества разных больниц. Таким образом, даже в умах руководства или рентгенолога теперь ясно, что мы могли бы выполнять наши юридические ограничения и одновременно создавать полезные инструменты для повседневной работы. Это хорошо для будущих проектов. или будущие продукты, которые мы собираемся установить.
Краеугольным камнем платформы MUSKETEER было максимально возможное сохранение конфиденциальности, когда участники не знали друг друга. В свою очередь, создает ли это недостаток прозрачности?
Что ж, мы думаем о реализации в здравоохранении так, что все партнеры, которые будут предоставлять свои обновления для обучения моделей ИИ, будут партнерами, которые знают друг друга и соглашаются участвовать в этих проектах. Таким образом, в здравоохранении мы не видим этой модели участия и предоставления данных, не зная, кто является партнерами, кто строит модель и так далее. Это будет даже более актуально, учитывая, что в конце концов модели ИИ должны быть сертифицированы, очень важно знать происхождение этих данных.
Повышает ли проект доверие граждан, поскольку функции обеспечения прозрачности и контроля конфиденциальности все больше оптимизируются на платформах данных и в приложениях для работы с большими данными?
JC: Рентгенологи и медицинский персонал теперь более уверены в обработке данных (по поводу того, что данные их пациентов не передаются и не покидают больницу). С точки зрения пациентов важно, чтобы они узнали об этом проекте и показали, что отрасль заботится о конфиденциальности, а их данные используются в соответствии с GDPR.
Кристина Коциопулу (Госпиталь HYGEIA – InteropEHRate)
Важно убедиться, что с точки зрения пациента их данные защищены. Они заранее знают, что существует протокол для защиты их данных, который обрабатывается в соответствии с GDPR.
Помог ли проект повысить ценность личных и служебных/промышленных данных? В долгосрочной перспективе?
ПП: Для обучения алгоритмов ИИ требуется много данных, и MUSKETEER обеспечивает совместную работу и доступ к этим большим массивам данных (для улучшения и проверки алгоритмов). Это уже большое достижение. Другой момент, скажем, побочный продукт проекта, заключается в том, что обычно данные форматируются неправильно. Но теперь, зная о силе технологии, рентгенологи, так сказать, «стимулированы» к составлению отчетов в структурированном виде (чтобы извлечь выгоду из больших наборов данных и, в конечном итоге, замечательных новых инструментов).
JC: В Великобритании не хватает рентгенологов, профессионалов, способных интерпретировать изображения и составлять отчеты. Важно иметь новые инструменты, позволяющие быстрее идентифицировать точки интереса и позволяющие радиологам сообщать о большем количестве пациентов. Решения ИИ необходимы для улучшения повседневного рабочего процесса, помогая врачам принимать более быстрые и правильные решения. Это важно для результата пациента, гарантируя, что никто не будет забыт. Правда в ЕС.
—
Этот проект получил финансирование от исследовательской и инновационной программы Horizon 2020 Европейского Союза в рамках соглашения о гранте № 824988.
