Permettre des avancées en matière de santé basées sur l’IA sans sacrifier la vie privée des patients

Permettre des avancées en matière de santé basées sur l'IA sans sacrifier la vie privée des patients

Secure AI Labs étend l’accès aux données de soins de santé cryptées pour faire progresser l’innovation basée sur l’IA dans le domaine. Crédit : José-Luis Olivares, MIT

Il y a beaucoup d’excitation à l’intersection de l’intelligence artificielle et des soins de santé. L’IA a déjà été utilisée pour améliorer le traitement et la détection des maladies, découvrir de nouveaux médicaments prometteurs, identifier les liens entre les gènes et les maladies, etc.

En analysant de grands ensembles de données et en trouvant des modèles, pratiquement n’importe quel nouvel algorithme a le potentiel d’aider les patients. Les chercheurs en IA ont juste besoin d’accéder aux bonnes données pour former et tester ces algorithmes. Les hôpitaux, naturellement, hésitent à partager des informations sensibles sur les patients avec les équipes de recherche. Lorsqu’ils partagent des données, il est difficile de vérifier que les chercheurs n’utilisent que les données dont ils ont besoin et les suppriment une fois qu’ils ont terminé.

Secure AI Labs (SAIL) résout ces problèmes avec une technologie qui permet aux algorithmes d’IA de s’exécuter sur des ensembles de données cryptés qui ne quittent jamais le système du propriétaire des données. Les organisations de soins de santé peuvent contrôler la façon dont leurs ensembles de données sont utilisés, tandis que les chercheurs peuvent protéger la confidentialité de leurs modèles et de leurs requêtes de recherche. Aucune des parties n’a besoin de voir les données ou le modèle pour collaborer.

La plate-forme de SAIL peut également combiner des données provenant de plusieurs sources, créant ainsi des informations riches qui alimentent des algorithmes plus efficaces.

« Vous ne devriez pas avoir à bavarder avec les dirigeants d’hôpitaux pendant cinq ans avant de pouvoir exécuter votre algorithme d’apprentissage automatique », déclare le co-fondateur de SAIL et professeur du MIT, Manolis Kellis, qui a cofondé l’entreprise avec la PDG Anne Kim ’16, SM’ 17. « Notre objectif est d’aider les patients, d’aider les scientifiques en apprentissage automatique et de créer de nouvelles thérapies. Nous voulons que de nouveaux algorithmes, les meilleurs algorithmes, soient appliqués au plus grand ensemble de données possible. »

SAIL s’est déjà associé à des hôpitaux et à des entreprises des sciences de la vie pour débloquer des données anonymisées pour les chercheurs. L’année prochaine, la société espère travailler avec environ la moitié des 50 meilleurs centres médicaux universitaires du pays.

Libérer tout le potentiel de l’IA

En tant qu’étudiant de premier cycle au MIT étudiant l’informatique et la biologie moléculaire, Kim a travaillé avec des chercheurs du Laboratoire d’informatique et d’intelligence artificielle (CSAIL) pour analyser les données d’essais cliniques, d’études d’association de gènes, d’unités de soins intensifs hospitaliers, etc.

« J’ai réalisé qu’il y avait quelque chose de gravement cassé dans le partage de données, qu’il s’agisse d’hôpitaux utilisant des disques durs, d’un ancien protocole de transfert de fichiers, ou même d’envoyer des choses par courrier », explique Kim. « Tout n’était tout simplement pas bien suivi. »

Kellis, qui est également membre du Broad Institute du MIT et de Harvard, a passé des années à établir des partenariats avec des hôpitaux et des consortiums pour diverses maladies, notamment les cancers, les maladies cardiaques, la schizophrénie et l’obésité. Il savait que les petites équipes de recherche auraient du mal à accéder aux mêmes données avec lesquelles son laboratoire travaillait.

En 2017, Kellis et Kim ont décidé de commercialiser la technologie qu’ils développaient pour permettre aux algorithmes d’IA de s’exécuter sur des données cryptées.

À l’été 2018, Kim a participé à l’accélérateur de startups delta v géré par le Martin Trust Center for MIT Entrepreneurship. Les fondateurs ont également reçu le soutien du Sandbox Innovation Fund et du Venture Mentoring Service, et ont établi diverses premières connexions via leur réseau MIT.

Pour participer au programme de SAIL, les hôpitaux et autres organisations de soins de santé mettent une partie de leurs données à la disposition des chercheurs en installant un nœud derrière leur pare-feu. SAIL envoie ensuite des algorithmes cryptés aux serveurs où résident les ensembles de données dans un processus appelé apprentissage fédéré. Les algorithmes analysent les données localement dans chaque serveur et transmettent les résultats à un modèle central, qui se met à jour. Personne, ni les chercheurs, ni les propriétaires des données, ni même SAIL, n’a accès aux modèles ou aux ensembles de données.

L’approche permet à un ensemble beaucoup plus large de chercheurs d’appliquer leurs modèles à de grands ensembles de données. Pour impliquer davantage la communauté des chercheurs, le laboratoire de Kellis au MIT a commencé à organiser des concours dans lesquels il donne accès à des ensembles de données dans des domaines tels que la fonction des protéines et l’expression des gènes, et met les chercheurs au défi de prédire les résultats.

« Nous invitons les chercheurs en apprentissage automatique à venir se former sur les données de l’année dernière et à prédire les données de cette année », déclare Kellis. « Si nous voyons qu’il existe un nouveau type d’algorithme qui fonctionne le mieux dans ces évaluations au niveau communautaire, les gens peuvent l’adopter localement dans de nombreuses institutions différentes et uniformiser les règles du jeu. Ainsi, la seule chose qui compte est plutôt la qualité de votre algorithme. que la puissance de vos relations. »

En permettant d’anonymiser un grand nombre d’ensembles de données en informations agrégées, la technologie de SAIL permet également aux chercheurs d’étudier les maladies rares, dans lesquelles de petits pools de données pertinentes sur les patients sont souvent répartis entre de nombreuses institutions. Cela a historiquement rendu les données difficiles à appliquer aux modèles d’IA.

« Nous espérons que tous ces ensembles de données seront éventuellement ouverts », a déclaré Kellis. « Nous pouvons franchir tous les silos et ouvrir une nouvelle ère où chaque patient atteint de chaque maladie rare dans le monde entier peut se réunir en une seule frappe pour analyser les données. »

Permettre la médecine du futur

Pour travailler avec de grandes quantités de données sur des maladies spécifiques, SAIL a de plus en plus cherché à établir des partenariats avec des associations de patients et des consortiums de groupes de soins de santé, notamment une société internationale de conseil en soins de santé et la Kidney Cancer Association. Les partenariats alignent également SAIL sur les patients, le groupe qu’ils essaient le plus d’aider.

Dans l’ensemble, les fondateurs sont heureux de voir SAIL résoudre les problèmes auxquels ils sont confrontés dans leurs laboratoires pour des chercheurs du monde entier.

« Le bon endroit pour résoudre ce problème n’est pas un projet universitaire. Le bon endroit pour résoudre ce problème est dans l’industrie, où nous pouvons fournir une plate-forme non seulement pour mon laboratoire mais pour n’importe quel chercheur », déclare Kellis. « Il s’agit de créer un écosystème d’universités, de chercheurs, de partenaires pharmaceutiques, biotechnologiques et hospitaliers. Je pense que c’est le mélange de tous ces différents domaines qui fera de cette vision de la médecine du futur une réalité. »


Première mondiale pour l’IA et l’apprentissage automatique pour traiter les patients COVID-19 dans le monde


Fourni par le Massachusetts Institute of Technology

Cette histoire est republiée avec l’aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l’actualité de la recherche, de l’innovation et de l’enseignement du MIT.

Citation: Permettre les progrès de la santé basés sur l’IA sans sacrifier la vie privée des patients (2021, 7 octobre) récupéré le 7 octobre 2021 sur https://techxplore.com/news/2021-10-enabling-ai-driven-health-advances-sacrificing.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.