MedPerf mira ad accelerare l’IA medica mantenendo i dati privati
MedPerf accelerates medical AI while keeping data private.
Applicare forme di intelligenza artificiale di machine learning alla medicina è ostacolato dalla sensibilità dei dati che verrebbero utilizzati per addestrare i modelli.
Un nuovo sforzo noto come addestramento “federato” dell’IA mira a mantenere i dati privati ma anche a consentire agli sviluppatori di algoritmi e ai clinici di beneficiare dell’interazione tra set di dati reali e nuovi modelli di machine learning.
Inoltre: MedPaLM di Google mette l’accento sui clinici umani nell’IA medica
MedPerf, un gruppo formato dalla MLCommons Association, un consorzio industriale che valuta le prestazioni dei chip informatici nelle attività di intelligenza artificiale, si propone di risolvere l’impasse dei dati, come descritto in un articolo inaugurale pubblicato lunedì dalla prestigiosa rivista scientifica Nature.
Il benchmark di MedPerf prende modelli di IA e li invia ai clinici che hanno i dati; i clinici poi riferiscono come il modello si è comportato sui dati. Ciò significa che gli sviluppatori dei programmi di IA possono accedere a set di dati privati a cui altrimenti non avrebbero accesso, afferma il gruppo, mentre i clinici possono vedere se l’IA può fornire risposte sulla salute dei loro pazienti facendo previsioni sui dati. Grazie allo scambio, i dati non lasciano le strutture sicure dei clinici.
- Snapchat sta cercando di rendere più difficile per gli adolescenti ...
- Ciò che devi sapere sulla prima stagione di NFL Sunday Ticket su Yo...
- Cosa è VSync e perché ne hai bisogno? | ENBLE
“Questo approccio mira a favorire una più ampia adozione dell’IA medica, che porterà a una pratica clinica più efficace, riproducibile ed economica, con conseguenti miglioramenti per i pazienti”, sottolinea il gruppo nell’articolo “Federated benchmarking of medical artificial intelligence with MedPerf”, pubblicato sull’impronta di Nature Machine Intelligence di Nature.
L’articolo è stato scritto dal primo autore Alexandros Karargyris dell’Università di Strasburgo, Francia, e da altri 76 collaboratori, rappresentanti più di 20 aziende, tra cui Nvidia e Microsoft, e 20 istituti accademici e nove ospedali in 13 paesi e cinque continenti.
L’uso iniziale di MedPerf in test di benchmark di esempio è stato nella radiologia e nella chirurgia, nota Karargyris e il suo team. Ma, scrivono, la piattaforma “può essere facilmente utilizzata in altre attività biomediche come patologia computazionale, genomica, elaborazione del linguaggio naturale (NLP) o l’uso di dati strutturati dalla cartella clinica del paziente”.
Le idee fondamentali dell’approccio sono presentate in un diagramma di sintesi sul sito web di MLCommons e anche in un post del blog correlato.
Inoltre: L’IA dovrebbe essere presente nello studio del medico? Il co-fondatore di OpenAI lo ritiene
Ha dichiarato David Kanter, direttore esecutivo di MLCommons, in una dichiarazione via email: “L’IA medica è essenziale per l’impatto potenziale che avrà su tutti nel mondo, e sono particolarmente orgoglioso dell’ampia partecipazione della comunità che abbiamo visto con MedPerf: ricercatori, ospedali, tecnologi e altri.
“MedPerf è stato un grande sforzo comunitario e siamo entusiasti di vederlo crescere e prosperare in futuro, migliorando in definitiva l’assistenza sanitaria per tutti”, ha detto Kanter.
La piattaforma di MedPerf è composta da MLCubs, un metodo per creare contenitori di applicazioni sicuri simili a Docker. La piattaforma ha tre diversi MLCube, uno per preparare i dati, uno per ospitare il modello e un terzo per valutare l’output al fine di valutare le prestazioni del modello nel test di benchmark.
Inoltre: Questi sono i miei 5 strumenti AI preferiti per il lavoro
Come descritto da Karargyris e dal suo team nell’articolo,
Il MLCube del modello contiene un modello di intelligenza artificiale preaddestrato da valutare come parte del benchmark. Fornisce una singola funzione, infer, che calcola le previsioni sui dati preparati in uscita dal MLCube di preparazione dei dati. Nel caso futuro di modelli solo API, questo sarebbe il contenitore che ospita l’incapsulamento API per accedere al modello privato.
MedPerf ha anche collaborato con Hugging Face, il popolare repository di modelli di intelligenza artificiale. “L’Hugging Face Hub può anche facilitare la valutazione automatica dei modelli e fornire una classifica dei migliori modelli in base alle specifiche del benchmark”, scrivono.
Un altro partner è Sage Bionetworks, che sviluppa la piattaforma Synapse per la condivisione dei dati, che è stata utilizzata nelle sfide di dati basate sulla collaborazione di massa. “Diversi componenti ad hoc necessari per l’integrazione di MedPerf-FeTS sono stati costruiti sulla piattaforma Synapse”, notano gli autori. “Synapse supporta la condivisione dei dati di ricerca e può essere utilizzata per supportare l’esecuzione di sfide comunitarie”.
Inoltre: gli AI bot hanno superato gli esami delle scuole di medicina, ma dovrebbero diventare i tuoi medici?
L’approccio MedPerf è già stato testato in una sfida organizzata da molte istituzioni accademiche conosciuta come Federated Tumor Segmentation Challenge, dove le reti neurali sono sfidate a identificare tumori cerebrali – nello specifico, gliomi – nelle immagini di risonanza magnetica. La sfida FeTS 2022, a cui ha partecipato MedPerf, si è svolta in 32 siti partecipanti su sei continenti.
“Inoltre, MedPerf è stato convalidato attraverso una serie di studi pilota con gruppi accademici coinvolti in collaborazioni multi-istituzionali per scopi di ricerca e sviluppo di modelli di IA medica”, hanno detto gli autori.
MedPerf prevede di ampliare la piattaforma a molti più partecipanti, dichiarando: “Stiamo attualmente lavorando su una valutazione a uso generico dell’IA sanitaria attraverso collaborazioni più ampie”.
L’articolo descrive MedPerf come attualmente superato la fase iniziale di “proof-of-concept” e in fase di transizione da una fase alfa a una fase beta. I prossimi passi includono l’apertura del compito di benchmarking in generale a partecipanti esterni.
Inoltre: L’IA generativa potrebbe abbassare i prezzi dei farmaci. Ecco come.
Parte dell’articolo è un appello alle parti coinvolte nella medicina a contribuire, incluso “portatori di interesse nel settore sanitario per formare comitati di benchmark che definiscano le specifiche e supervisionino le analisi” e “possessori di dati (ad esempio, organizzazioni sanitarie, medici) per registrare i loro dati nella piattaforma (nessuna condivisione dei dati richiesta)”.
Il codice di MedPerf è pubblicato su GitHub.
