Lo nuevo: Intel Labs y la Facultad de Medicina Perelman de la Universidad de Pennsylvania (Penn Medicine) trabajan de manera conjunta en el desarrollo de una tecnología, que permitirá a una federación de 29 instituciones internacionales de salud y de investigación, lideradas por Penn Medicine, trabajar con modelos de Inteligencia Artificial (IA) que identifican tumores cerebrales usando una técnica de preservación de la privacidad llamada “Federated Learning”. El trabajo de Penn Medicine será financiado por el programa de Tecnología Informática para la Investigación del Cáncer  (ITCR por sus siglas en inglés)  del Instituto Nacional de Cáncer (NCI por sus siglas en inglés) de los Institutos Nacionales de Salud (NIH por sus siglas en inglés), a través de una subvención de tres años por  $1.2 millones de dólares otorgada al investigador principal, el Dr. Spyridon Bakas, del Centro de Informática y Analítica de Imágenes Biomédicas (CBICA por sus siglas en inglés) de la Facultad de Medicina Perelman de la Universidad de Pennsylvania.

“La Inteligencia Artificial es muy prometedora para la detección temprana de tumores cerebrales, pero para alcanzar su máximo potencial, requiere más datos de los que tiene un solo centro médico. Al utilizar el software y hardware de Intel, con el apoyo de algunas de las mentes más brillantes de nuestra empresa, colaboramos con la Universidad de Pennsylvania y una federación de 29 centros médicos para avanzar en la identificación de tumores cerebrales y al mismo tiempo proteger los datos sensibles del paciente.” 

– Jason Martin, ingeniero principal de Intel Labs

¿Cómo funciona? Penn Medicine y 29 instituciones de salud y de investigación de Estados Unidos, Canadá, Reino Unido, Holanda, Alemania, Suiza e India utilizarán el Federated Learning que es un enfoque de Machine Learning distribuido, el cual permite que las organizaciones colaboren en proyectos de aprendizaje profundo sin compartir los datos de los pacientes.

Penn Medicine e Intel fueron los primeros en publicar un documento sobre Federated Learning en el campo de imagenología médica, el cual demuestra particularmente que el método utilizado podría entrenar un modelo con más del  99% de precisión a comparación de un modelo capacitado con el método tradicional, no privado. Este documento se presentó originalmente en la Conferencia Internacional de Informática de Imágenes Médicas e Intervención Asistida por Computadora (MICCAI por sus siglas en inglés) 2018, en Granada, España. El nuevo trabajo aprovechará el software y hardware de Intel para implantar el Federated Learning de manera que ofrezca mayor protección de la privacidad tanto del modelo como de los datos.

“Nuestra comunidad científica acepta que la capacitación en aprendizaje automático requiere de un gran número y diversidad de datos que ninguna institución tiene. Estamos coordinando a una federación de 29 instituciones internacionales colaboradoras de salud y de investigación que podrán entrenar modelos de IA para la salud con tecnología de punta al utilizar técnicas de aprendizaje automático, incluyendo el Federated Learning. Este año, la federación empezará a desarrollar algoritmos que identifiquen tumores cerebrales a partir de una versión considerablemente ampliada del conjunto de datos del reto internacional de Segmentación de Tumores Cerebrales (BraTS, por sus siglas en inglés) . Estos alcances permitirán a los investigadores médicos tener acceso a cantidades enormemente mayores de datos sobre salud, al tiempo que se protegerá la seguridad de esos datos.”

– Dr. Spyridon Bakas de la Universidad de Pennsylvania

¿Por qué es importante? Según la Asociación Americana de Tumores Cerebrales (ABTA por sus siglas en inglés), casi 80,000 personas serán diagnosticadas con tumor cerebral este año, y más de 4,600 de ellas serán niños. Con el fin de entrenar y construir un modelo para detectar un tumor cerebral, que podría ayudar en la detección temprana y en obtener mejores resultados, los investigadores necesitan tener acceso a grandes cantidades de datos médicos relevantes. No obstante, es esencial que los datos no dejen de ser privados y estén protegidos, que es donde entra la tecnología en el Federated Learning. Al utilizar este enfoque, los investigadores de todas las organizaciones asociadas podrán trabajar en conjunto en la construcción y el entrenamiento de un algoritmo para detectar un tumor cerebral al mismo tiempo que se protegen los datos médicos sensibles.

¿Qué sigue? En 2020, Penn y las 29 instituciones internacionales de salud y de investigación utilizarán el hardware y software Federated Learning de Intel para producir un nuevo modelo de Inteligencia Artificial con tecnología de punta, que esté entrenado con el conjunto de datos de tumores cerebrales más grande hasta la fecha — todo ello sin los datos confidenciales de los pacientes. En el subconjunto de instituciones colaboradoras que se espera que participen en la primera etapa de este trabajo en equipo se encuentran, entre otras, el hospital de la Universidad Pennsylvania, Washington University de St. Louis, el Centro Médico de la Universidad de Pittsburgh, Vanderbilt University, Queen’s University, la Universidad Técnica de Múnich, la Universidad de Berna, King’s College London y el hospital Tata Memorial.