Ενθουσιασμός επικρατεί για την αρμονική συνύπαρξη και συνεργασία μεταξύ της τεχνητής νοημοσύνης και της υγειονομικής περίθαλψης. Η τεχνητή νοημοσύνη έχει ήδη χρησιμοποιηθεί για τη βελτίωση της θεραπείας και της ανίχνευσης ασθενειών, την ανακάλυψη ελπιδοφόρων νέων φαρμάκων, τον εντοπισμό συνδέσεων μεταξύ γονιδίων και ασθενειών και πολλά άλλα. Αναλύοντας μεγάλα σύνολα δεδομένων και βρίσκοντας μοτίβα, σχεδόν κάθε νέος αλγόριθμος έχει τη δυνατότητα να βοηθήσει τους ασθενείς. Οι ερευνητές της τεχνητής νοημοσύνης χρειάζονται απλώς πρόσβαση στα σωστά δεδομένα για να εκπαιδεύσουν και να δοκιμάσουν αυτούς τους αλγόριθμους. Τα νοσοκομεία, όπως είναι κατανοητό, διστάζουν να μοιραστούν ευαίσθητες πληροφορίες ασθενών με ερευνητικές ομάδες. Όταν μοιράζονται δεδομένα, είναι δύσκολο να επαληθεύσουμε ότι οι ερευνητές χρησιμοποιούν μόνο τα δεδομένα που χρειάζονται και τα διαγράφουν αφού τελειώσουν.
Secure AI Labs (SAIL)
Η Secure AI Labs (SAIL) αντιμετωπίζει αυτά τα προβλήματα με μια τεχνολογία που επιτρέπει στους αλγόριθμους AI να λειτουργούν σε κρυπτογραφημένα σύνολα δεδομένων που δεν εγκαταλείπουν ποτέ το σύστημα του κατόχου δεδομένων. Οι οργανισμοί υγειονομικής περίθαλψης μπορούν να ελέγξουν τον τρόπο χρήσης των συνόλων δεδομένων τους, ενώ οι ερευνητές μπορούν να προστατεύσουν το απόρρητο των μοντέλων τους και των ερωτημάτων αναζήτησης. Κανένα μέρος δεν χρειάζεται να δει τα δεδομένα ή το μοντέλο για να συνεργαστεί. Η πλατφόρμα της SAIL μπορεί επίσης να συνδυάσει δεδομένα από πολλές πηγές, δημιουργώντας πλούσιες γνώσεις που τροφοδοτούν πιο αποτελεσματικούς αλγόριθμους. Στόχος είναι η βοήθεια των ασθενών, των επιστημόνων μηχανικής μάθησης και η δημιουργία νέων θεραπευτικών μέσων.
Απελευθέρωση όλων των δυνατοτήτων του AI
Για να συμμετάσχουν στο πρόγραμμα SAIL, νοσοκομεία και άλλοι οργανισμοί υγειονομικής περίθαλψης, θέτουν τμήματα των δεδομένων τους στους ερευνητές δημιουργώντας έναν κόμβο πίσω από το τείχος προστασίας τους. Στη συνέχεια, η SAIL στέλνει κρυπτογραφημένους αλγόριθμους στους διακομιστές όπου βρίσκονται τα σύνολα δεδομένων σε μια διαδικασία που ονομάζεται ομαδοποιημένη μάθηση. Οι αλγόριθμοι επεξεργάζονται τα δεδομένα τοπικά σε κάθε διακομιστή και μεταδίδουν τα αποτελέσματα πίσω σε ένα κεντρικό μοντέλο, το οποίο ενημερώνεται μόνο του. Κανείς δεν έχει πρόσβαση στα μοντέλα ή τα σύνολα δεδομένων.
Η προσέγγιση επιτρέπει σε ένα πολύ ευρύτερο σύνολο ερευνητών να εφαρμόσουν τα μοντέλα τους σε μεγάλα σύνολα δεδομένων. Επιτρέποντας την ανωνυμοποίηση μεγάλου αριθμού συνόλων δεδομένων σε συγκεντρωτικές γνώσεις, η τεχνολογία SAIL επιτρέπει επίσης στους ερευνητές να μελετήσουν σπάνιες ασθένειες, στις οποίες μικρές δεξαμενές σχετικών δεδομένων ασθενών διαδίδονται συχνά σε πολλά ιδρύματα. Αυτό ιστορικά έχει κάνει τα δεδομένα δύσκολα στην εφαρμογή μοντέλων τεχνητής νοημοσύνης.
Ενεργοποίηση της ιατρικής του μέλλοντος
Για να εργαστεί με μεγάλο αριθμό δεδομένων σχετικά με συγκεκριμένες ασθένειες, η SAIL προσπαθεί όλο και περισσότερο να συνεργαστεί με ενώσεις ασθενών και κοινοπραξίες ομάδων υγειονομικής περίθαλψης, συμπεριλαμβανομένης μιας διεθνούς εταιρείας συμβούλων υγειονομικής περίθαλψης και της Ένωσης Καρκίνου των Νεφρών. Οι συνεργασίες ευθυγραμμίζουν επίσης το SAIL με τους ασθενείς, την ομάδα που προσπαθούν περισσότερο να βοηθήσουν.