Intel Labs en de Perelman School of Medicine van de University of Pennsylvania (Penn Medicine) ontwikkelen gezamenlijk een technologie die een samenwerkingsverband van 29 internationale zorg- en onderzoeksinstellingen, waaronder het Erasmus MC in Rotterdam, in staat stelt AI-modellen te trainen in het herkennen van hersentumoren.
Deze AI-modellen worden getraind op het identificeren van hersentumoren met behulp van technologie die privacy waarborgt, genaamd federated learning. Het samenwerkingsverband wordt geleid door Penn Medicine. Hun werk wordt financieel ondersteund door het Informatics Technology for Cancer Research-program (ITCR) van het National Cancer Institute (NCI) van de National Institutes of Health (NIH). Penn Medicine krijgt een bedrag van 1,2 miljoen dollar, waarmee hoofdonderzoeker Dr. Spyridon Bakas van het Center for Biomedical Image Computing and Analytics (CBICA) van de University of Pennsylvania de komende drie jaar onderzoek gaat doen.
Veelbelovend
“AI is veelbelovend voor de vroege opsporing van hersentumoren, maar er zijn meer data nodig dan elk medisch centrum zelf heeft om het volledige potentieel te bereiken. Met behulp van Intel-software en -hardware en ondersteuning van enkele van de slimste mensen van Intel Labs, werken we samen met de Universiteit van Pennsylvania en een verband van 29 medische centra om de identificatie van hersentumoren te bevorderen en gevoelige patiëntdata te beschermen.”
– Jason Martin, hoofdingenieur, Intel Labs
Patiëntdata
Hoe het werkt. Penn Medicine en 29 zorg- en onderzoeksinstellingen uit Nederland, de Verenigde Staten, Canada, het Verenigd Koninkrijk, Duitsland, Zwitserland en India zullen gebruikmaken van federated learning. Dit is een gedistribueerde machine-learning-benadering waarmee organisaties kunnen samenwerken aan deep-learning-projecten zonder patiëntdata te delen.
Model
Penn Medicine en Intel Labs waren de eersten die een paper publiceerden over federated learning in het domein van medische beeldvorming. Met dit paper wilden ze vooral aantonen dat federated learning een model zou kunnen trainen met meer dan 99 procent nauwkeurigheid in vergelijking met een model dat is getraind via de traditionele methoden, zonder oog voor privacy. Dit paper werd oorspronkelijk gepresenteerd tijdens de International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2018 in Granada, Spanje. Het nieuwe onderzoek zal gebruikmaken van Intel-software en -hardware om federated learning te implementeren op een manier die zowel het model als de data extra privacybescherming biedt.
Coördineren
“Onze wetenschappelijke community deelt over het algemeen de mening dat machine-learning-training voldoende en gevarieerde data vereist en veel meer dan waarover elke aparte instelling beschikt”, zegt Bakas. “We coördineren een verband van 29 samenwerkende internationale instellingen voor gezondheidszorg en onderzoek, die state-of-the-art AI-modellen voor de gezondheidszorg kunnen trainen met behulp van privacy-respecterende machine-learning-technologieën, waaronder federated learning. Dit jaar begint het verband met het ontwikkelen van algoritmen die hersentumoren identificeren uit een sterk uitgebreide versie van de International Brain Tumor Segmentation (BraTS) challenge-dataset. Deze samenwerking geeft medische onderzoekers toegang tot veel grotere hoeveelheden data uit de gezondheidszorg, terwijl de beveiliging van die data wordt gewaarborgd.”
Behandelresultaten
Waarom het belangrijk is. Volgens de American Brain Tumor Association (ABTA) krijgen dit jaar bijna 80.000 mensen de diagnose hersentumor, waaronder meer dan 4.600 kinderen. Om een model te trainen en te bouwen dat een hersentumor kan detecteren, en zo bijdraagt aan vroege opsporing en betere behandelresultaten, hebben onderzoekers toegang nodig tot grote hoeveelheden relevante medische data. Het is echter essentieel dat de data privé en beschermd blijven, en dat is waar federated learning met Intel-technologie een rol speelt. Door deze aanpak kunnen onderzoekers van alle partnerorganisaties samenwerken aan het bouwen en trainen van een algoritme om een hersentumor te detecteren terwijl gevoelige medische data worden beschermd.
Samenwerking
Wat is de volgende stap? In 2020 zullen Penn en de 29 internationale zorg- en onderzoeksinstellingen, waaronder het Erasmus MC in Rotterdam, de federated-learning-hardware en -software van Intel gebruiken om een nieuw state-of-the-art AI-model te ontwikkelen dat is getraind op de grootste hersentumordataset tot nu toe – dat gebeurt zonder dat gevoelige patiëntdata de individuele partnerorganisaties verlaten. De subset van samenwerkende instellingen die naar verwachting zullen deelnemen aan de start van de eerste fase omvat het ziekenhuis van de University of Pennsylvania, de Washington University in St. Louis, het University of Pittsburgh Medical Center, de Vanderbilt University, de Queen’s University, de Technical University of Munich, de University of Bern, King’s College London en Tata Memorial Hospital.
