Un algoritmo sviluppato dai ricercatori di Helmholtz Monaco, dell'Università tecnica di Monaco (TUM) e del suo ospedale universitario rechts der Isar, dell'Ospedale universitario di Bonn (UKB) e dell'Università di Bonn è in grado di apprendere in modo indipendente in diverse istituzioni mediche. La caratteristica fondamentale è che è autoapprendimento, il che significa che non richiede risultati o segni lunghi e dispendiosi in termini di tempo da parte dei radiologi nelle immagini MRI.

Questo algoritmo federato è stato addestrato su oltre 1.500 scansioni MRI di partecipanti sani allo studio provenienti da quattro istituzioni, pur mantenendo la privacy dei dati. L'algoritmo è stato quindi utilizzato per analizzare più di 500 scansioni MRI di pazienti per rilevare malattie come la sclerosi multipla, malattie vascolari e varie forme di tumori cerebrali che l'algoritmo non aveva mai visto prima. Ciò apre nuove possibilità per lo sviluppo di algoritmi federati efficienti basati sull'intelligenza artificiale che apprendono autonomamente proteggendo la privacy. Lo studio è stato ora pubblicato sulla rivista Nature Machine Intelligence.

L'assistenza sanitaria è attualmente rivoluzionata dall'intelligenza artificiale. Con soluzioni di intelligenza artificiale precise, i medici possono essere supportati nella diagnosi. Tuttavia, tali algoritmi richiedono una notevole quantità di dati e i relativi risultati specialistici radiologici per l'addestramento. La creazione di una banca dati centrale così grande, tuttavia, pone requisiti speciali in materia di protezione dei dati. Inoltre, la creazione dei risultati e delle annotazioni, ad esempio la marcatura di tumori in un'immagine MRI, richiede molto tempo.

Per superare queste sfide, un team multidisciplinare dell'Helmholtz Munich, dell'University Hospital Bonn e dell'Università di Bonn ha collaborato con medici e ricercatori dell'Imperial College London e del TUM e del suo University Hospital rechts der Isar. L'obiettivo era sviluppare un algoritmo diagnostico medico basato sull'intelligenza artificiale per le immagini MRI del cervello, senza alcun dato annotato o elaborato da un radiologo. Inoltre, questo algoritmo doveva essere addestrato "a livello federale":in questo modo, l'algoritmo "arriva ai dati", in modo che i dati dell'immagine medica che richiedono una protezione speciale potessero rimanere nella rispettiva clinica e non dovessero essere raccolti centralmente.

Imparare da diversi istituti senza scambio di dati

Nel loro studio, i ricercatori sono stati in grado di dimostrare che l'algoritmo di intelligenza artificiale federato che hanno sviluppato ha superato qualsiasi algoritmo di intelligenza artificiale addestrato utilizzando solo i dati di una singola istituzione. "Nel suo 'The Wisdom of Crowds', James Surowiecki ha affermato che grandi gruppi di persone sono più intelligenti, non importa quanto possa essere intelligente un individuo. Fondamentalmente, è così che funziona il nostro algoritmo di intelligenza artificiale federata", afferma il Prof. Dr. Shadi Albarqouni, Professore di Computational Medical Imaging Research presso il Dipartimento di radiologia diagnostica e interventistica presso l'ospedale universitario di Bonn e leader del gruppo di ricerca junior Helmholtz AI presso Helmholtz Monaco. Per unire le conoscenze sulle immagini MRI del cervello, il team di ricerca ha addestrato l'algoritmo di intelligenza artificiale in istituzioni mediche diverse e indipendenti senza violare la privacy dei dati o raccogliere dati a livello centrale.

"Una volta che questo algoritmo avrà appreso che aspetto hanno le immagini MRI del cervello sano, sarà più facile rilevare la malattia. Per raggiungere questo obiettivo è necessaria un'aggregazione computazionale intelligente e il coordinamento tra gli istituti partecipanti", afferma il Prof. Dr. Albarqouni. PD Dr. Benedikt Wiestler, medico senior presso il TUM's University Hospital rechts der Isar e anche lui coinvolto nello studio. Aggiunge che "l'addestramento del modello sui dati provenienti da diversi centri contribuisce in modo significativo al fatto che il nostro algoritmo rileva le malattie in modo molto più robusto rispetto ad altri algoritmi che vengono addestrati solo con i dati di un centro".

Verso soluzioni IA collaborative a prezzi accessibili

Proteggendo i dati dei pazienti e riducendo i carichi di lavoro dei radiologi, i ricercatori ritengono che la loro tecnologia di intelligenza artificiale federata farà avanzare significativamente la medicina digitale.

"L'intelligenza artificiale e l'assistenza sanitaria dovrebbero essere convenienti, e questo è il nostro obiettivo. Con il nostro studio, abbiamo fatto un passo in questa direzione", afferma il Prof. Dr. Albarqouni. "Il nostro obiettivo principale è sviluppare algoritmi di intelligenza artificiale, formati in modo collaborativo presso diversi istituti medici decentralizzati, compresi quelli con risorse limitate". + Esplora ulteriormente

La nuova tecnologia AI protegge la privacy nelle strutture sanitarie