Новый способ использования искусственного интеллекта для прогнозирования рака на основе данных пациентов, не подвергая риску личную информацию, был разработан группой, в которую входят ученые-медики Университета Лидса.
Искусственный интеллект (ИИ) может анализировать большие объемы данных, таких как изображения или результаты испытаний, и может выявлять закономерности, которые часто не обнаруживаются людьми, что делает его очень ценным для ускорения обнаружения, диагностики и лечения заболеваний.
Однако использование этой технологии в медицинских учреждениях вызывает споры из-за риска случайного раскрытия данных, и многие системы принадлежат и контролируются частными компаниями, что дает им доступ к конфиденциальным данным пациентов и ответственность за их защиту.
Исследователи решили выяснить, можно ли использовать форму ИИ, называемую групповым обучением, чтобы помочь компьютерам предсказывать рак на медицинских изображениях образцов тканей пациентов, не разглашая данные из больниц.
Swarm Learning обучает алгоритмы ИИ обнаруживать закономерности в данных в местной больнице или университете, например, генетические изменения в изображениях тканей человека. Затем система обучения роя отправляет этот недавно обученный алгоритм — но, что важно, без локальных данных или информации о пациенте — на центральный компьютер. Там он аналогичным образом комбинируется с алгоритмами, созданными другими больницами, для создания оптимизированного алгоритма. Затем его отправляют обратно в местную больницу, где повторно применяют к исходным данным, улучшая обнаружение генетических изменений благодаря более чувствительным возможностям обнаружения.
Проделав это несколько раз, можно улучшить алгоритм и создать такой, который будет работать со всеми наборами данных. Это означает, что этот метод можно применять без необходимости передачи каких-либо данных сторонним компаниям или отправки их между больницами или за границу.
Команда обучила алгоритмы ИИ на данных исследований трех групп пациентов из Северной Ирландии, Германии и США. Алгоритмы были протестированы на двух больших наборах изображений данных, созданных в Лидсе, и было обнаружено, что они успешно научились предсказывать наличие различных подтипов рака на изображениях.
Исследование возглавил Якоб Николас Катер, приглашенный доцент Медицинской школы Университета Лидса и научный сотрудник Университетской больницы Рейнско-Вестфальского технического университета Аахена. В команду вошли профессора Хайке Грабш и Фил Квирк, а также доктор Ник Уэст из Медицинской школы Университета Лидса.
Доктор Катер сказал: «Основываясь на данных более 5000 пациентов, мы смогли показать, что модели искусственного интеллекта, обученные с помощью группового обучения, могут предсказывать клинически значимые генетические изменения непосредственно по изображениям тканей опухолей толстой кишки».
Фил Квирк, профессор патологии в Медицинской школе Университета Лидса, сказал: «Мы показали, что роевое обучение может использоваться в медицине для обучения независимых алгоритмов ИИ для любой задачи анализа изображений. Это означает, что можно преодолеть потребность в передача данных без того, чтобы учреждения отказывались от безопасного контроля над своими данными.
«Создание системы ИИ, способной выполнять эту задачу, улучшит нашу способность применять ИИ в будущем».
