Jak sztuczna inteligencja może ratować życie bez ujawniania medycznych tajemnic

Koncepcyjna ilustracja AI i bezpieczeństwa Ariel Davis

Potencjał sztucznej inteligencji do przekształcenia opieki zdrowotnej jest ogromny, ale jest duży haczyk.

Algorytmy sztucznej inteligencji będą potrzebować ogromnych ilości danych medycznych do przeszkolenia, zanim uczenie maszynowe zapewni nowe, potężne sposoby wykrywania i rozumienia przyczyny choroby. Oznacza to obrazy, informacje genomowe lub elektroniczne kartoteki zdrowia — wszystkie potencjalnie bardzo wrażliwe informacje.

Dlatego naukowcy pracują nad sposobami, aby sztuczna inteligencja mogła uczyć się na podstawie dużych ilości danych medycznych, jednocześnie bardzo utrudniając ich wyciek.

Jednym z obiecujących rozwiązań jest obecnie przeprowadzanie pierwszego dużego testu w Stanford Medical School w Kalifornii. Pacjenci mogą tam przesyłać swoje dane medyczne do systemu sztucznej inteligencji, który można przeszkolić w diagnozowaniu chorób oczu bez faktycznego dostępu do ich danych osobowych.

Uczestnicy przesyłają wyniki badań okulistycznych i dane z dokumentacji medycznej za pośrednictwem Aplikacja . Informacje są wykorzystywane do trenowania modelu uczenia maszynowego w celu identyfikacji na obrazach objawów choroby oczu (takich jak retinopatia cukrzycowa i jaskra). Ale dane są chronione przez technologię opracowaną przez Oasis Labs, startup wydzielony z UC Berkeley, co gwarantuje, że informacje nie zostaną ujawnione ani niewłaściwie wykorzystane. Startup otrzymał pozwolenie od Stanford Medical School na rozpoczęcie badań w zeszłym tygodniu, we współpracy z naukowcami z UC Berkeley, Stanford i ETH Zurich

Wrażliwość prywatnych danych pacjentów to zbliżający się problem. Algorytmy sztucznej inteligencji wyszkolone na danych z różnych szpitali mogą potencjalnie diagnozować choroby, zapobiegać chorobom i przedłużać życie. Jednak w wielu krajach dokumentacja medyczna nie może być łatwo udostępniana i wprowadzana do tych algorytmów ze względów prawnych. Badania nad wykorzystaniem sztucznej inteligencji do wykrywania chorób na obrazach lub danych medycznych zwykle obejmują stosunkowo małe zestawy danych, co znacznie ogranicza obietnicę technologii.

To bardzo ekscytujące, móc to zrobić z prawdziwymi danymi klinicznymi, mówi Pieśń świtu , współzałożyciel Oasis Labs i profesor na UC Berkeley. Naprawdę możemy pokazać, że to działa.

Oasis przechowuje prywatne dane pacjentów na bezpiecznym chipie, zaprojektowanym we współpracy z innymi badaczami z Berkeley. Dane pozostają w chmurze Oasis; osoby postronne mogą uruchamiać algorytmy na danych i otrzymywać wyniki bez opuszczania systemu. Inteligentna umowa — oprogramowanie działające na łańcuchu bloków — jest uruchamiana po otrzymaniu żądania dostępu do danych. To oprogramowanie rejestruje sposób wykorzystania danych, a także sprawdza, czy obliczenia uczenia maszynowego zostały wykonane poprawnie.

To pokaże, że możemy pomóc pacjentom w dostarczaniu danych w sposób chroniący prywatność, mówi Song. Mówi, że model choroby oczu stanie się dokładniejszy w miarę gromadzenia większej ilości danych.

Taka technologia mogłaby również ułatwić stosowanie sztucznej inteligencji do innych poufnych informacji, takich jak dane finansowe lub zwyczaje zakupowe osób fizycznych lub dane przeglądania sieci. Song mówi, że plan polega na rozszerzeniu zastosowań medycznych, zanim zaczniemy szukać innych dziedzin.

Cały pomysł wykonywania obliczeń przy jednoczesnym zachowaniu tajemnicy danych jest niesamowicie potężny, mówi David Evans , który specjalizuje się w uczeniu maszynowym i bezpieczeństwie na University of Virginia. Na przykład, zastosowane w szpitalach i populacjach pacjentów, uczenie maszynowe może odblokować zupełnie nowe sposoby powiązania choroby z genomiką, wynikami testów i innymi informacjami o pacjentach.

Bardzo by ci się spodobało, gdyby badacz medyczny mógł dowiedzieć się z dokumentacji medycznej każdego, mówi Evans. Możesz przeprowadzić analizę i stwierdzić, czy lek działa na nie. Ale nie możesz tego zrobić dzisiaj.

Pomimo potencjału, jaki reprezentuje Oasis, Evans jest ostrożny. Przechowywanie danych na bezpiecznym sprzęcie stwarza potencjalny punkt awarii, zauważa. Jeśli firma, która produkuje sprzęt, zostanie naruszona, wszystkie dane przetwarzane w ten sposób również będą podatne na ataki. Dodaje, że blockchainy są stosunkowo niesprawdzone.

Łączy się wiele różnych technologii, mówi o podejściu Oasis. Niektóre są dojrzałe, a inne nowatorskie i niosą ze sobą wyzwania.

ukryć