MedPerf tiene como objetivo acelerar la IA médica mientras mantiene los datos privados.
MedPerf acelera la IA médica y protege la privacidad de los datos.
Aplicar formas de inteligencia artificial basadas en aprendizaje automático a la medicina se ve obstaculizado por la sensibilidad de los datos que se utilizarían para entrenar los modelos.
Un nuevo esfuerzo conocido como entrenamiento “federado” de IA tiene como objetivo mantener los datos privados pero también permitir que los desarrolladores de algoritmos y los médicos se beneficien de la interacción de conjuntos de datos reales y nuevos modelos de aprendizaje automático.
También: El enfoque de Google MedPaLM destaca a los médicos en la IA médica
MedPerf, un grupo formado por la organización sin fines de lucro MLCommons Association, un consorcio de la industria que evalúa el rendimiento de los chips de computadora en tareas de IA, tiene como objetivo resolver el impasse de los datos, según se describe en un documento de posición inaugural publicado el lunes por la prestigiosa revista científica Nature.
El benchmark de MedPerf toma modelos de IA y los envía a médicos que tienen datos; los médicos luego informan cómo se desempeñó el modelo con los datos. Esto significa que los desarrolladores de programas de IA pueden acceder a conjuntos de datos privados a los que de otra manera nunca tendrían acceso, dice el grupo, mientras que los médicos pueden ver si la IA puede proporcionar respuestas sobre la salud de sus pacientes al hacer predicciones sobre los datos. Debido a este intercambio, los datos no abandonan las instalaciones seguras de los médicos.
- Snapchat está tratando de dificultar que los adolescentes se conect...
- ¿Seguridad o rendimiento? Zenbleed te obliga a elegir | ENBLE
- No, Apple no lanzará una MacBook de $99 por esta simple razón | ENBLE
“Este enfoque tiene como objetivo catalizar una mayor adopción de la IA médica, lo que conduce a una práctica clínica más eficaz, reproducible y rentable, y en última instancia, a una mejora en los resultados de los pacientes”, señala el grupo en el documento “Evaluación federada de la inteligencia artificial médica con MedPerf”, publicado en la revista Nature Machine Intelligence de Nature.
El documento fue escrito por el autor principal Alexandros Karargyris de la Universidad de Estrasburgo, Francia, y otros 76 colaboradores, representando a más de 20 empresas, incluyendo Nvidia y Microsoft, y 20 instituciones académicas y nueve hospitales en 13 países y cinco continentes.
El uso inicial de MedPerf en pruebas de referencia de muestra ha sido en radiología y cirugía, señalan Karargyris y su equipo. Pero, escriben, la plataforma “puede ser fácilmente utilizada en otras tareas biomédicas como patología computacional, genómica, procesamiento de lenguaje natural (NLP) o el uso de datos estructurados del expediente médico del paciente”.
Las ideas principales del enfoque se presentan en un esquema resumido en el sitio web de MLCommons, así como en una publicación de blog complementaria.
También: ¿Debería la IA llegar a la consulta de su médico? El cofundador de OpenAI cree que sí
Dijo David Kanter, el director ejecutivo de MLCommons, en un comunicado por correo electrónico: “La IA médica es esencial por el impacto potencial que tendrá en todos en el planeta, y estoy especialmente orgulloso de la amplia participación de la comunidad que hemos visto con MedPerf: investigadores, hospitales, tecnólogos y más.
“MedPerf ha sido un gran esfuerzo comunitario y estamos emocionados de verlo crecer y florecer en el futuro, mejorando en última instancia la atención médica para todos”, afirmó Kanter.
La plataforma de MedPerf consta de MLCubs, un método para crear contenedores de aplicaciones seguras similares a Docker. La plataforma tiene tres MLCubes diferentes, uno para preparar los datos, otro para alojar el modelo y un tercero para evaluar la salida y evaluar el rendimiento del modelo en la prueba de referencia.
También: Estas son mis 5 herramientas de IA favoritas para el trabajo
Según lo descrito por Karargyris y su equipo en el artículo,
El modelo MLCube contiene un modelo de IA preentrenado que se evaluará como parte de la referencia. Proporciona una única función, infer, que realiza predicciones sobre los datos preparados generados por el MLCube de preparación de datos. En el caso futuro de modelos solo con API, este sería el contenedor que aloja el envoltorio de API para acceder al modelo privado.
MedPerf también colaboró con Hugging Face, el popular repositorio de modelos de IA. “El Hugging Face Hub también puede facilitar la evaluación automática de modelos y proporcionar una tabla de clasificación de los mejores modelos basados en las especificaciones de referencia”, escriben.
Otro socio es Sage Bionetworks, que desarrolla la plataforma Synapse para compartir datos que ha sido utilizada en desafíos de datos de crowdsourcing. “Varios componentes ad hoc requeridos para la integración de MedPerf-FeTS fueron construidos sobre la plataforma Synapse”, señalan los autores. “Synapse respalda el intercambio de datos de investigación y se puede utilizar para respaldar la ejecución de desafíos comunitarios”.
También: ¿Los bots de IA han estado aprobando los exámenes de la escuela de medicina, pero deberían convertirse en tu médico?
El enfoque de MedPerf ya ha sido probado en un desafío organizado por múltiples instituciones académicas conocido como el Desafío de Segmentación Tumoral Federada, donde las redes neuronales se desafían a identificar tumores cerebrales, específicamente gliomas, en imágenes de resonancia magnética. El desafío FeTS 2022 en el que participó MedPerf tuvo lugar en 32 sitios participantes en seis continentes.
“Además, MedPerf fue validado a través de una serie de estudios piloto con grupos académicos involucrados en colaboraciones multiinstitucionales con fines de investigación y desarrollo de modelos de IA médica”, dijeron los autores.
MedPerf espera expandir la plataforma a muchos más participantes, declarando: “Actualmente estamos trabajando en la evaluación de propósito general de la IA en atención médica a través de colaboraciones más amplias”.
El artículo describe a MedPerf como ya habiendo pasado una etapa inicial de “prueba de concepto” y en medio de una transición de una etapa alfa a una etapa beta. Los próximos pasos incluyen abrir la tarea de evaluación comparativa en general a participantes externos.
También: La IA generativa podría reducir los precios de los medicamentos. Así es cómo
Parte del artículo es una llamada a las partes interesadas en medicina para que contribuyan, incluyendo “participantes del sector de la salud para formar comités de referencia que definan especificaciones y supervisen análisis” y “propietarios de datos (por ejemplo, organizaciones de atención médica, médicos) para registrar sus datos en la plataforma (no se requiere compartir datos)”.
El código de MedPerf se publica en GitHub.
