www.zonamovilidad.es
Intel y Penn Medicine desarrollan un estudio de aprendizaje médico federado para la detección de tumores cerebrales
Ampliar

Intel y Penn Medicine desarrollan un estudio de aprendizaje médico federado para la detección de tumores cerebrales

sábado 17 de diciembre de 2022, 09:15h

Escucha la noticia

Intel Labs y la Escuela de Medicina Perelman de la Universidad de Pensilvania (Penn Medicine) han desarrollado un estudio de investigación que usa el aprendizaje federado (un enfoque de inteligencia artificial (IA) de aprendizaje automático distribuido) para ayudar a las instituciones internacionales de atención sanitaria e investigación a identificar tumores cerebrales malignos.

Un aspecto muy llamativo de esta investigación de aprendizaje federado médico es que, es la más grande. Esto se debe a que ha contado con un conjunto de datos a nivel mundial “sin precedentes”, examinados en 71 instituciones de seis continentes. Como resultado, se ha podido demostrar la capacidad de mejorar la detección de tumores cerebrales en un 33%.

Aprendizaje federado para detectar tumores cerebrales: Penn Medicine Intel

Por su parte Jason Martin, principal engineer de Intel Labs, ha explicado que "el aprendizaje federado tiene un enorme potencial en numerosos ámbitos, especialmente en el de la atención sanitaria, como demuestra nuestra investigación con Penn Medicine. Su capacidad para proteger la información y los datos sensibles abre la puerta a futuros estudios y colaboraciones, especialmente en casos en los que los conjuntos de datos serían inaccesibles de otro modo. Nuestro trabajo con Penn Medicine tiene el potencial de impactar positivamente en los pacientes de todo el mundo y esperamos seguir profundizando en esta materia".

Para contextualizar, es importante mencionar que la accesibilidad de los datos ha sido durante mucho tiempo un problema en la atención sanitaria por las leyes estatales y nacionales sobre la privacidad de éstos, incluida la Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA). Por este motivo, la investigación médica y el intercambio de datos a escala han sido casi imposibles de conseguir sin comprometer la información de salud de los pacientes. Además, el hardware y el software de aprendizaje federado de Intel cumplen con las exigencias de privacidad de los datos y preservan la integridad y la seguridad de los datos mediante la informática confidencial.

Inteligencia Artificial para identificar tumores cerebrales

Leer más

Siguiendo esta línea, el resultado de Penn Medicine Intel se ha conseguido mediante el procesamiento de grandes volúmenes de datos “en un sistema descentralizado que utiliza la tecnología de aprendizaje federado de Intel emparejada con Intel Software Guard Extensions (SGX), que elimina las barreras de intercambio de datos que históricamente han impedido la colaboración en investigaciones similares sobre el cáncer y las enfermedades”, así lo ha explicado Intel en un comunicado.

Cabe mencionar que el sistema resuelve numerosos problemas de privacidad de los datos al mantener los datos en bruto dentro de la infraestructura informática de los titulares de los datos y solamente permitir el envío de las actualizaciones de los modelos calculados a partir de esos datos a un servidor central o agregador, no los datos en sí.

"Toda la potencia de cálculo del mundo no puede hacer mucho sin suficientes datos que analizar”

Siguiendo esta línea, Rob Enderle, analista principal de Enderle Group, ha destacado que "toda la potencia de cálculo del mundo no puede hacer mucho sin suficientes datos que analizar. Esta incapacidad para analizar los datos que ya se han capturado ha retrasado significativamente los enormes avances médicos que la IA ha prometido. Este estudio de aprendizaje federado muestra un camino viable para que la IA avance y alcance su potencial como la herramienta más poderosa para combatir nuestras enfermedades más graves".

Como añadidura, el autor principal Spyridon Bakas, PhD, profesor asistente de Patología y Medicina de Laboratorio, y Radiología, en la Escuela de Medicina Perelman de la Universidad de Pensilvania, ha dicho que "en este estudio, el aprendizaje federado muestra su potencial como un cambio de paradigma para asegurar las colaboraciones multi institucionales, ya que permite el acceso al mayor y más diverso conjunto de datos de pacientes con glioblastoma jamás analizado, mientras que todos los datos se conservan dentro de cada institución en todo momento. Cuantos más datos podamos introducir en los modelos de aprendizaje automático, más precisos serán, lo que a su vez puede mejorar nuestra capacidad de comprender y tratar incluso enfermedades raras, como el glioblastoma".

¿Te ha parecido interesante esta noticia?    Si (0)    No(0)

+
0 comentarios