Novos resultados de pesquisa derivam um método baseado em IA para proteger a privacidade de imagens médicas.
Em 24 de maio, pesquisadores da Universidade Técnica de Munique (TUM), Imperial College London e OpenMined, uma organização sem fins lucrativos, publicaram um papel intitulado “Aprendizado profundo de ponta a ponta para privacidade em imagens médicas multi-institucionais”.
O estudo revelou PriMIA-Privacy-Preserving Medical Image Analysis, que usa com segurança o aprendizado federado agregado e uma abordagem criptografada para dados obtidos de imagens médicas. Como o artigo observa, essa tecnologia é uma estrutura de software livre e de código aberto. Eles realizaram o experimento em radiografias de tórax pediátricas e usaram uma rede de convolução avançada e profunda para classificá-los.
Embora existam métodos tradicionais de proteção de dados médicos, eles geralmente falham ou são facilmente frágeis. Por exemplo, métodos centralizados de compartilhamento de dados se mostraram insuficientes para proteger dados confidenciais de ataques. Essa tecnologia emergente protege os dados por meio do uso de aprendizado composto, em que apenas o algoritmo de aprendizado profundo é compartilhado enquanto os dados médicos são compartilhados, e não o conteúdo real. Eles também aplicaram agregação segura, que evita que entidades externas encontrem a fonte na qual o algoritmo foi treinado. Desta forma, ninguém consegue identificar a instituição de origem e a privacidade é preservada. Os pesquisadores também usaram uma técnica diferente para garantir que as correlações estatísticas fossem inferidas dos conjuntos de dados, e não das pessoas que contribuíram com os dados.
De acordo com o documento, essa estrutura é compatível com uma ampla variedade de formatos de dados de imagens médicas, é fácil de configurar pelo usuário e apresenta aprimoramentos funcionais para o treinamento de FL. Ele aumenta a flexibilidade, facilidade de uso, segurança e desempenho. “O protocolo SMPC do PriMIA garante a segurança criptográfica do modelo e dos dados na fase de inferência”, afirma o relatório.
UMA relatório Imperial College London cita o professor Daniel Rueckert, coautor do artigo, e diz: “Nossos métodos foram usados em outros estudos, mas ainda temos que ver estudos em grande escala com dados clínicos reais. Por meio do desenvolvimento direcionado de tecnologias e da colaboração entre especialistas em ciência da computação e radiologia, treinamos com sucesso modelos que fornecem resultados precisos ao mesmo tempo em que atendem a altos padrões em termos de proteção de dados e privacidade. “
Com o advento da tecnologia e a rápida adoção da IA, o setor de saúde experimentou um boom digital. Com arquivos eletrônicos de pacientes e a disseminação da telemedicina, inúmeros dados médicos e imagens são criados todos os dias. A fim de permitir um melhor monitoramento do paciente, diagnóstico e disponibilidade de dados, esses dados médicos são frequentemente compartilhados por diferentes pontos e instituições. Esta tecnologia de preservação de privacidade alimentada por IA tem um papel potencial aqui, pois não compromete a privacidade durante o compartilhamento. Os dados não podem ser rastreados até os indivíduos, o que protege sua privacidade.
Compartilhe este artigo
Faça a coisa de compartilhar
Sobre o autor
Mais informações sobre o autor