Avaliando o uso da nova tecnologia de IA no diagnóstico de COVID-19

Visão geral do aprendizado federado no Nvidia Clara Train. Crédito: Jornal da Associação Americana de Informática Médica (2022). DOI: 10.1093/jamia/ocac188

Conforme publicado no Jornal da Associação Americana de Informática Médica, Pesquisadores da Universidade de Minnesota conduziram um estudo avaliando variações de aprendizado federado para diagnóstico de COVID-19 em radiografias de tórax. O aprendizado federado é uma técnica de inteligência artificial (IA) que permite que várias partes desenvolvam e treinem modelos de IA de forma colaborativa, sem a necessidade de trocar ou centralizar conjuntos de dados.

Esta pesquisa é uma colaboração entre a U of M, M Health Fairview, Emory University, Indiana University School of Medicine e University of Florida.

A equipe de pesquisa comparou o desempenho de um único site a um modelo federado de três clientes usando um modelo de diagnóstico COVID-19 descrito anteriormente. Eles descobriram que o aprendizado federado personalizado pode oferecer uma oportunidade para desenvolver algoritmos validados interna e externamente.

“O aprendizado federado é uma importante solução futura para a IA na área da saúde”, disse Christopher Tignanelli, MD, MS, professor associado da Escola de Medicina da Universidade de Minnesota. “Como todos os métodos de aprendizado de máquina se beneficiam muito da capacidade de acessar dados que fornecem uma distribuição global mais próxima, o aprendizado federado é uma abordagem promissora para obter modelos poderosos, precisos, seguros, robustos e imparciais”.

Dr. Tignanelli co-liderou este estudo com Ju Sun, Ph.D., professor assistente na Faculdade de Ciências e Engenharia. Ambos são líderes do Programa de IA Clínica no Centro de Aprendizagem de Ciências do Sistema de Saúde da Faculdade de Medicina da U of M.

“Estamos orgulhosos de estar entre as primeiras equipes implementando e refinando ainda mais o aprendizado federado em ambientes de saúde do mundo real, com o forte apoio de parceiros industriais, incluindo Nvidia e Cisco”, disse Sun. “Os dados são o petróleo para a IA moderna, e o aprendizado federado é a refinaria de petróleo perfeita para o avanço da IA ​​na área da saúde”.

Ao permitir que várias partes treinem de forma colaborativa sem a necessidade de trocar ou centralizar conjuntos de dadosa equipe de pesquisa diz que o aprendizado federado ajuda a proteger dados médicos confidenciais e pode abrir novos caminhos de pesquisa e negócios para melhorar cuidados para o paciente.

Os algoritmos de última geração geralmente são avaliados em conjuntos de dados cuidadosamente selecionados, originários de apenas algumas fontes, em vez de dados verdadeiramente representativos. Isso pode introduzir vieses em que demografia ou desequilíbrios técnicos distorcem as previsões e afetam negativamente a precisão de determinados grupos ou sites. Os pesquisadores dizem que para capturar relações sutis entre padrões de doenças, fatores socioeconômicos e fatores genéticose casos complexos e raros, é crucial expor um modelo a casos diversos.

A equipe de pesquisa diz que outras benefícios potenciais de aprendizado federado incluem:

• Melhoria da imagem médica e análise de texto;
• Melhores ferramentas de diagnóstico para os médicos;
• Descoberta colaborativa e acelerada de medicamentos;
• Redução de custos e time-to-market para empresas farmacêuticas;
• Casos de doenças raras em que nenhuma instituição possui casos suficientes para treinar modelos.

“Nós realmente acreditamos no impacto potencial na medicina de precisão e, finalmente, na melhoria cuidados médicos é muito promissor”, disse o Dr. Tignanelli.