L’Addenbrooke’s Hospital di Cambridge in collaborazione con NVIDIA e altri 20 ospedali sparsi nel mondo ha impiegato un algoritmo di Intelligenza Artificiale e il Federated Learning per predire il fabbisogno di ossigeno dei pazienti affetti da Covid-19 nei primi giorni di terapia.
FEDERATED LEARNING: L’APPRENDIMENTO FEDERATO PER IL TRAINING ALGORITMICO
L’algoritmo di AI impiegato dall’Addenbrooke’s Hospital di Cambridge si è basato su una tecnica di apprendimento automatico chiamata Federated Learning.
Con Federated Learning si intente appunto una tecnica di apprendimento automatico nel training algoritmico in cui, al contrario dei tradizionali sistemi di apprendimento che presuppongono la condivisione e il mantenimento del dato su un unico database o server, i dati non vengono condivisi ma anonimizzati e criptati per allenare l’algoritmo (1).
In questo modo, i dati possono anche essere ospitati su database diversi e sparsi per il mondo: in questo modo, la privacy viene garantita perché non è necessario il trasferimento di dati dal dispositivo in cui sono stati inizialmente raccolti.
IL CASO DELL’ADDENBOOK’S HOSPITAL DI CAMBRIDGE
Attraverso questa tecnica l’algoritmo dell’Addenbrooke’s Hospital ha analizzato i raggi-x e altri dati (anonimi) dei pazienti che presentavano sintomi da Covid-19.
Una volta allenato l’algoritmo, le analisi effettuate sono state messe assieme per creare un tool di AI in grado di predire la quantità di ossigeno necessaria per i pazienti ricoverati in qualunque parte del mondo.
EXAM: LO STUDIO BASATO SUL FEDERATED LEARNING
Lo studio chiamato EXAM (EMR CXR AI Model) e pubblicato su Nature Medicine, è stato testato in diversi ospedali in 5 continenti: entro 24 ore dall’entrata del paziente in ospedale, l’algoritmo ha predetto, con un una sensibilità del 95% e una precisione dell’85%, il fabbisogno di ossigeno di ogni paziente.
Il professor Fiona Gilbert, consulente radiologo onorario all’Addenbrooke’s Hospital, ha sottolineato che il Federated Learning è un grande elemento trasformativo nell’innovazione dell’AI, soprattutto in ambito clinico.
“L’apprendimento federato ha consentito ai ricercatori di collaborare e stabilire un nuovo standard per ciò che possiamo fare a livello globale, utilizzando la potenza dell’IA”, ha affermato la dott.ssa Mona G Flores, Global Head for Medical AI di NVIDIA. “Ciò farà avanzare l’IA non solo nell’ambito dell’assistenza sanitaria, ma in tutti i settori che cercano di costruire modelli solidi senza sacrificare la privacy“.
Il professor Gilbert ha aggiunto: “Creare un software che eguagli le diagnosi dei nostri migliori radiologi è complesso. Più siamo in grado di integrare in modo sicuro i dati provenienti da diverse fonti utilizzando l’apprendimento federato e disponiamo dello spazio necessario per innovare, più velocemente gli accademici potranno trasformare questi obiettivi in realtà”.
Risorse: