Um algoritmo desenvolvido por pesquisadores da Helmholtz Munique, da Universidade Técnica de Munique (TUM) e do Hospital Universitário rechts der Isar, do Hospital Universitário de Bonn (UKB) e da Universidade de Bonn é capaz de aprender de forma independente em diferentes instituições médicas. A principal característica é que é autodidata, o que significa que não requer achados ou marcações extensas e demoradas por radiologistas nas imagens de ressonância magnética.
Esse algoritmo federado foi treinado em mais de 1.500 exames de ressonância magnética de participantes saudáveis ​​do estudo de quatro instituições, mantendo a privacidade dos dados. O algoritmo então foi usado para analisar mais de 500 exames de ressonância magnética de pacientes para detectar doenças como esclerose múltipla, doenças vasculares e várias formas de tumores cerebrais que o algoritmo nunca havia visto antes. Isso abre novas possibilidades para o desenvolvimento de algoritmos federados eficientes baseados em IA que aprendem de forma autônoma enquanto protegem a privacidade. O estudo já foi publicado na revista Nature Machine Intelligence.

Os cuidados de saúde estão sendo revolucionados pela inteligência artificial. Com soluções precisas de IA, os médicos podem ser apoiados no diagnóstico. No entanto, esses algoritmos exigem uma quantidade considerável de dados e os achados de especialistas radiológicos associados para treinamento. A criação de um banco de dados central tão grande, no entanto, impõe exigências especiais à proteção de dados. Além disso, a criação dos achados e anotações, por exemplo, a marcação de tumores em uma imagem de ressonância magnética, é muito demorada.

Para superar esses desafios, uma equipe multidisciplinar da Helmholtz Munich, do University Hospital Bonn e da University of Bonn colaborou com clínicos e pesquisadores do Imperial College London e do TUM e seu University Hospital rechts der Isar. O objetivo era desenvolver um algoritmo de diagnóstico médico baseado em IA para imagens de ressonância magnética do cérebro, sem nenhum dado anotado ou processado por um radiologista. Além disso, este algoritmo deveria ser treinado "federalmente":Desta forma, o algoritmo "chega aos dados", para que os dados de imagem médica que requerem proteção especial possam permanecer na respectiva clínica e não precisem ser coletados centralmente.

Aprendendo com vários institutos sem troca de dados

Em seu estudo, os pesquisadores conseguiram mostrar que o algoritmo de IA federado que eles desenvolveram superou qualquer algoritmo de IA treinado usando apenas dados de uma única instituição. "Em seu 'The Wisdom of Crowds', James Surowiecki argumentou que grandes grupos de pessoas são mais inteligentes, não importa quão inteligente um indivíduo possa ser. Basicamente, é assim que nosso algoritmo federado de IA funciona", diz o Prof. Dr. Shadi Albarqouni, Professor de Pesquisa de Imagem Médica Computacional no Departamento de Radiologia Diagnóstica e Intervencionista do Hospital Universitário de Bonn e líder do grupo de pesquisa júnior Helmholtz AI na Helmholtz Munique. Para reunir conhecimento sobre imagens de ressonância magnética do cérebro, a equipe de pesquisa treinou o algoritmo de IA em instituições médicas diferentes e independentes sem violar a privacidade dos dados ou coletar dados centralmente.

"Uma vez que esse algoritmo aprenda como são as imagens de ressonância magnética do cérebro saudável, será mais fácil detectar doenças. Para conseguir isso, é necessário agregação computacional inteligente e coordenação entre os institutos participantes", diz o Prof. Dr. Albarqouni. PD Dr. Benedikt Wiestler, médico sênior do Hospital Universitário rechts der Isar da TUM e também envolvido no estudo. Ele acrescenta que “treinar o modelo com dados de diferentes centros contribui significativamente para o fato de que nosso algoritmo detecta doenças de forma muito mais robusta do que outros algoritmos que são treinados apenas com dados de um centro”.

Em direção a soluções de IA colaborativas acessíveis

Ao proteger os dados do paciente e reduzir a carga de trabalho dos radiologistas, os pesquisadores acreditam que sua tecnologia de IA federada avançará significativamente na medicina digital.

"A IA e os cuidados de saúde devem ser acessíveis, e esse é o nosso objetivo. Com nosso estudo, demos um passo nessa direção", diz o Prof. Dr. Albarqouni. “Nosso principal objetivo é desenvolver algoritmos de IA, treinados de forma colaborativa em diferentes institutos médicos descentralizados, incluindo aqueles com recursos limitados”. + Explorar mais

Nova tecnologia de IA protege a privacidade em ambientes de saúde