211service.com
En lite kjent AI-metode kan trene på helsedataene dine uten å true personvernet ditt
John Moore | Getty
I 2017 Google stille publiserte et blogginnlegg om en ny tilnærming til maskinlæring. I motsetning til standardmetoden, som krever at dataene skal sentraliseres på ett sted, kan den nye lære av en rekke datakilder fordelt på flere enheter. Oppfinnelsen gjorde det mulig for Google å trene sin prediktive tekstmodell på alle meldingene som ble sendt og mottatt av Android-brukere – uten å lese dem eller fjerne dem fra telefonene.
Til tross for sin dyktighet, fikk føderert læring, som forskerne kalte det, lite gjennomslag i AI-samfunnet på den tiden. Nå er det klar til å endre seg ettersom den finner anvendelse i et helt nytt område: dens personvern-første-tilnærming kan meget vel være svaret på den største hindringen som står overfor AI-adopsjon i helsevesenet i dag.
Det er en falsk dikotomi mellom personvernet til pasientdata og nytten av dataene for samfunnet, sier Ramesh Raskar, en MIT-lektor i informatikk hvis forskning fokuserer på AI i helse. Folk innser ikke at sanden forskyver seg under føttene deres, og at vi nå faktisk kan oppnå privatliv og nytte på samme tid.
I løpet av det siste tiåret har den dramatiske økningen av dyp læring ført til forbløffende transformasjoner i dusinvis av bransjer. Det har drevet vår jakt på selvkjørende biler, fundamentalt endret måten vi samhandler med enhetene våre på, og gjenoppfunnet vår tilnærming til cybersikkerhet. I helsevesenet har imidlertid, til tross for at mange studier viser løftet for å oppdage og diagnostisere sykdommer, fremgang i bruk av dyp læring for å hjelpe ekte pasienter vært fristende sakte.
Nåværende toppmoderne algoritmer krever enorme mengder data å lære – i de fleste tilfeller, jo mer data, jo bedre. Sykehus og forskningsinstitusjoner må kombinere sine datareserver hvis de vil ha en datasamling som er stor og mangfoldig nok til å være nyttig. Men spesielt i USA og Storbritannia har ideen om å sentralisere mengder av sensitiv medisinsk informasjon i hendene på teknologiselskaper gjentatte ganger – og ikke overraskende – vist seg intenst upopulær.
Som et resultat har forskning på diagnostisk bruk av AI holdt seg smal i omfang og anvendelighet. Du kan ikke distribuere en brystkreftdeteksjonsmodell over hele verden når den bare er trent på noen få tusen pasienter fra samme sykehus.
Alt dette kan endres med føderert læring. Teknikken kan trene en modell ved å bruke data som er lagret på flere forskjellige sykehus uten at dataene noen gang forlater sykehusets lokaler eller berører et teknologiselskaps servere. Den gjør dette ved først å trene opp separate modeller ved hvert sykehus med de lokale dataene tilgjengelig og deretter sende disse modellene til en sentral server for å kombineres til en hovedmodell. Ettersom hvert sykehus skaffer seg mer data over tid, kan det laste ned den nyeste mastermodellen, oppdatere den med de nye dataene og sende den tilbake til den sentrale serveren. Gjennom hele prosessen blir rådata aldri utvekslet – bare modellene, som ikke kan omvendt konstrueres for å avsløre disse dataene.
Det er noen utfordringer med føderert læring. For det første risikerer å kombinere separate modeller å skape en mastermodell som faktisk er dårligere enn hver av delene. Forskere jobber nå med å forbedre eksisterende teknikker for å sikre at det ikke skjer, sier Raskar. For en annen krever føderert læring at hvert sykehus har infrastruktur og personellkapasitet for å trene maskinlæringsmodeller. Det er også friksjon i standardisering av datainnsamling på tvers av alle sykehus. Men disse utfordringene er ikke uoverkommelige, sier Raskar: Mer arbeid må gjøres, men det er for det meste Band-Aid-arbeid.
Faktisk, annet personvern først distribuerte læringsteknikker har siden dukket opp som svar på disse utfordringene. Raskar og elevene hans, for eksempel, oppfant nylig en som heter split learning . Som i føderert læring starter hvert sykehus med å trene opp separate modeller, men de trener det bare halvveis. De halvbakte modellene sendes deretter til den sentrale serveren for å kombineres og avslutte opplæringen. Den største fordelen er at dette vil lette noe av beregningsbyrden på sykehusene. Teknikken er fortsatt hovedsakelig et proof of concept, men i tidlig testing viste Raskars forskerteam at den skapte en mestermodell nesten like nøyaktig som den ville vært hvis den ble trent på en sentralisert pool av data.
En håndfull selskaper, inkludert IBM Research, jobber nå med å bruke føderert læring for å fremme virkelige AI-applikasjoner for helsevesenet. Owkin, en Paris-basert oppstart støttet av Google Ventures , bruker det også til å forutsi pasienters motstand mot forskjellige behandlinger og medisiner, samt deres overlevelsesrater med visse sykdommer. Selskapet samarbeider med flere kreftforskningssentre i USA og Europa for å bruke dataene deres for sine modeller. Samarbeidene har allerede resultert i en kommende forskningsartikkel, sier grunnleggerne, om en ny modell som forutsier overlevelsesodds for en sjelden form for kreft på grunnlag av pasientens patologibilder. Oppgaven vil ta et stort skritt mot å validere fordelene med denne teknikken i en virkelig verden.
Jeg er veldig spent, sier Owkins medgrunnlegger Thomas Clozel, en klinisk forskningslege. Den største barrieren innen onkologi i dag er kunnskap. Det er virkelig utrolig at vi nå har kraften til å trekke ut den kunnskapen og gjøre medisinske banebrytende oppdagelser.
Raskar mener bruken av distribuert læring også kan strekke seg langt utover helsevesenet til enhver bransje der folk ikke ønsker å dele dataene sine. I distribuerte, tillitsløse miljøer kommer dette til å bli veldig, veldig kraftig i fremtiden, sier han.
Denne historien dukket opprinnelig opp i vårt AI-nyhetsbrev The Algorithm. For å få den levert direkte til innboksen din, registrer deg her gratis.