211service.com
En föga känd AI-metod kan träna på din hälsodata utan att hota din integritet
John Moore | Getty
Under 2017, Google tyst publicerade ett blogginlägg om ett nytt förhållningssätt till maskininlärning. Till skillnad från standardmetoden, som kräver att data centraliseras på ett ställe, kan den nya lära sig av en serie datakällor fördelade över flera enheter. Uppfinningen gjorde det möjligt för Google att träna sin prediktiva textmodell på alla meddelanden som skickas och tas emot av Android-användare – utan att någonsin läsa dem eller ta bort dem från sina telefoner.
Trots sin smarthet fick federerat lärande, som forskarna kallade det, lite dragkraft inom AI-gemenskapen vid den tiden. Nu är det redo att förändras när det hittar tillämpning inom ett helt nytt område: dess sekretess-först tillvägagångssätt kan mycket väl vara svaret på det största hindret för AI-antagande i vården idag.
Det finns en falsk dikotomi mellan integriteten för patientdata och användbarheten av data för samhället, säger Ramesh Raskar, en MIT-docent i datavetenskap vars forskning fokuserar på AI inom hälsa. Människor inser inte att sanden flyttar under deras fötter och att vi nu faktiskt kan uppnå avskildhet och nytta på samma gång.
Under det senaste decenniet har den dramatiska ökningen av djupinlärning lett till fantastiska förändringar i dussintals branscher. Det har drivit vår strävan efter självkörande bilar, fundamentalt förändrat sättet vi interagerar med våra enheter och återuppfunnit vårt synsätt på cybersäkerhet. Inom hälso- och sjukvården, men trots att många studier visar att det lovar att upptäcka och diagnostisera sjukdomar, har framstegen med att använda djupinlärning för att hjälpa riktiga patienter varit lockande långsamma.
Nuvarande toppmoderna algoritmer kräver enorma mängder data att lära sig – i de flesta fall, ju mer data desto bättre. Sjukhus och forskningsinstitutioner måste kombinera sina datareserver om de vill ha en datapool som är tillräckligt stor och mångsidig för att vara användbar. Men särskilt i USA och Storbritannien har idén att centralisera mängder av känslig medicinsk information i händerna på teknikföretag upprepade gånger – och inte överraskande – visat sig vara extremt impopulär.
Som ett resultat har forskning om diagnostisk användning av AI förblivit snäv i omfattning och tillämplighet. Du kan inte använda en modell för upptäckt av bröstcancer runt om i världen när den bara har tränats på några tusen patienter från samma sjukhus.
Allt detta kan förändras med federerat lärande. Tekniken kan träna en modell med hjälp av data lagrad på flera olika sjukhus utan att den data någonsin lämnar sjukhusets lokaler eller rör vid ett teknikföretags servrar. Den gör detta genom att först träna separata modeller på varje sjukhus med lokal data tillgänglig och sedan skicka dessa modeller till en central server för att kombineras till en mastermodell. Eftersom varje sjukhus skaffar mer data med tiden kan det ladda ner den senaste mastermodellen, uppdatera den med nya data och skicka tillbaka den till den centrala servern. Under hela processen utbyts rådata aldrig - bara modellerna, som inte kan omvändas för att avslöja denna data.
Det finns vissa utmaningar för federerat lärande. För det första riskerar att kombinera separata modeller att skapa en mastermodell som faktiskt är sämre än var och en av dess delar. Forskare arbetar nu med att förfina befintliga tekniker för att se till att det inte händer, säger Raskar. För en annan kräver federerad inlärning att varje sjukhus har infrastruktur och personalkapacitet för att träna maskininlärningsmodeller. Det finns också friktion i att standardisera datainsamlingen på alla sjukhus. Men de här utmaningarna är inte oöverstigliga, säger Raskar: Mer arbete måste göras, men det är mest plåsterarbete.
Faktum är att andra integritet först distribuerade inlärningstekniker har sedan dess dykt upp som svar på dessa utmaningar. Raskar och hans elever, till exempel, uppfann nyligen en som kallas split learning . Som i federerat lärande börjar varje sjukhus med att träna separata modeller, men de tränar det bara halvvägs. De halvdana modellerna skickas sedan till den centrala servern för att kombineras och avsluta träningen. Den största fördelen är att detta skulle lätta en del av beräkningsbördan för sjukhusen. Tekniken är fortfarande huvudsakligen ett proof of concept, men i tidiga tester visade Raskars forskargrupp att den skapade en mastermodell nästan lika exakt som den skulle vara om den tränades på en centraliserad pool av data.
En handfull företag, inklusive IBM Research, arbetar nu med att använda federerad inlärning för att främja verkliga AI-applikationer för hälsovård. Owkin, en Paris-baserad startup stöds av Google Ventures , använder det också för att förutsäga patienters motståndskraft mot olika behandlingar och läkemedel, såväl som deras överlevnadsgrad med vissa sjukdomar. Företaget samarbetar med flera cancerforskningscenter i USA och Europa för att använda deras data för sina modeller. Samarbetena har redan resulterat i en kommande forskningsartikel, säger grundarna, om en ny modell som förutsäger överlevnadsodds för en sällsynt form av cancer på basis av patientens patologibilder. Uppsatsen kommer att ta ett stort steg mot att validera fördelarna med denna teknik i en verklig miljö.
Jag är verkligen upprymd, säger Owkins medgrundare Thomas Clozel, en klinisk forskningsläkare. Den största barriären inom onkologi idag är kunskap. Det är verkligen fantastiskt att vi nu har kraften att extrahera den kunskapen och göra medicinska genombrottsupptäckter.
Raskar tror att tillämpningarna av distribuerat lärande också kan sträcka sig långt bortom hälso- och sjukvården till alla branscher där människor inte vill dela sina data. I distribuerade, förtroendelösa miljöer kommer detta att bli väldigt, väldigt kraftfullt i framtiden, säger han.
Den här historien dök ursprungligen upp i vårt AI-nyhetsbrev The Algorithm. För att få det direkt levererat till din inkorg, registrera dig här gratis.