Comment l'IA pourrait sauver des vies sans révéler de secrets médicaux

Une illustration conceptuelle de l'IA et de la sécurité Ariel Davis

Le potentiel de l'intelligence artificielle pour transformer les soins de santé est énorme, mais il y a un gros hic.

Les algorithmes d'IA auront besoin de vastes quantités de données médicales sur lesquelles s'entraîner avant que l'apprentissage automatique ne puisse fournir de nouveaux moyens puissants pour repérer et comprendre la cause de la maladie. Cela signifie des images, des informations génomiques ou des dossiers de santé électroniques, toutes des informations potentiellement très sensibles.

C'est pourquoi les chercheurs travaillent sur des moyens de permettre à l'IA d'apprendre à partir de grandes quantités de données médicales tout en rendant très difficile la fuite de ces données.

Une approche prometteuse passe actuellement son premier grand test à la Stanford Medical School en Californie. Les patients peuvent choisir de fournir leurs données médicales à un système d'IA qui peut être formé pour diagnostiquer les maladies oculaires sans jamais accéder à leurs données personnelles.

Les participants soumettent les résultats des tests ophtalmologiques et les données des dossiers de santé par Une application . Les informations sont utilisées pour former un modèle d'apprentissage automatique afin d'identifier les signes de maladie oculaire (comme la rétinopathie diabétique et le glaucome) dans les images. Mais les données sont protégées par une technologie développée par Oasis Labs, une startup issue de l'UC Berkeley, qui garantit que les informations ne peuvent pas être divulguées ou utilisées à mauvais escient. La startup a obtenu l'autorisation de la Stanford Medical School de commencer l'essai la semaine dernière, en collaboration avec des chercheurs de l'UC Berkeley, de Stanford et de l'ETH Zurich.

La sensibilité des données privées des patients est un problème imminent. Les algorithmes d'IA formés sur les données de différents hôpitaux pourraient potentiellement diagnostiquer la maladie, prévenir la maladie et prolonger la vie. Mais dans de nombreux pays, les dossiers médicaux ne peuvent pas être facilement partagés et alimentés par ces algorithmes pour des raisons juridiques. La recherche sur l'utilisation de l'IA pour repérer les maladies dans les images ou les données médicales implique généralement des ensembles de données relativement petits, ce qui limite considérablement les promesses de la technologie.

C'est très excitant de pouvoir faire cela avec de vraies données cliniques, dit Chanson de l'aube , cofondateur d'Oasis Labs et professeur à UC Berkeley. Nous pouvons vraiment montrer que cela fonctionne.

Oasis stocke les données privées des patients sur une puce sécurisée, conçue en collaboration avec d'autres chercheurs de Berkeley. Les données restent dans le cloud Oasis ; les étrangers peuvent exécuter des algorithmes sur les données et recevoir les résultats sans jamais quitter le système. Un contrat intelligent - un logiciel qui s'exécute au-dessus d'une blockchain - est déclenché lorsqu'une demande d'accès aux données est reçue. Ce logiciel enregistre la façon dont les données ont été utilisées et vérifie également que le calcul d'apprentissage automatique a été effectué correctement.

Cela montrera que nous pouvons aider les patients à fournir des données d'une manière qui protège la vie privée, déclare Song. Elle dit que le modèle des maladies oculaires deviendra plus précis à mesure que davantage de données seront collectées.

Une telle technologie pourrait également faciliter l'application de l'IA à d'autres informations sensibles, telles que les dossiers financiers ou les habitudes d'achat des individus ou les données de navigation sur le Web. Song dit que le plan est d'étendre les applications médicales avant de se tourner vers d'autres domaines.

La notion même de faire du calcul tout en gardant les données secrètes est incroyablement puissante, dit David Evans , qui se spécialise dans l'apprentissage automatique et la sécurité à l'Université de Virginie. Lorsqu'il est appliqué dans les hôpitaux et les populations de patients, par exemple, l'apprentissage automatique pourrait ouvrir de toutes nouvelles façons de lier la maladie à la génomique, aux résultats des tests et à d'autres informations sur les patients.

Vous aimeriez qu'un chercheur médical puisse apprendre sur les dossiers médicaux de tout le monde, dit Evans. Vous pourriez faire une analyse et dire si un médicament n'agit pas. Mais vous ne pouvez pas faire cela aujourd'hui.

Malgré le potentiel que représente Oasis, Evans est prudent. Le stockage des données dans du matériel sécurisé crée un point de défaillance potentiel, note-t-il. Si l'entreprise qui fabrique le matériel est compromise, toutes les données traitées de cette manière seront également vulnérables. Les chaînes de blocs sont relativement peu éprouvées, ajoute-t-il.

Il y a beaucoup de technologies différentes qui se réunissent, dit-il à propos de l'approche d'Oasis. Certains sont matures, d'autres sont à la pointe de la technologie et ont des défis.

cacher