Wie KI Leben retten könnte, ohne medizinische Geheimnisse preiszugeben

Eine konzeptionelle Illustration von KI und Sicherheit Ariel Davis

Das Potenzial für künstliche Intelligenz zur Umgestaltung des Gesundheitswesens ist riesig, aber es gibt einen großen Haken.

KI-Algorithmen werden riesige Mengen medizinischer Daten benötigen, auf denen trainiert werden kann, bevor maschinelles Lernen leistungsstarke neue Wege zum Erkennen und Verstehen der Krankheitsursache liefern kann. Das bedeutet Bilder, genomische Informationen oder elektronische Patientenakten – alles potenziell sehr sensible Informationen.

Aus diesem Grund arbeiten Forscher an Möglichkeiten, KI aus großen Mengen medizinischer Daten lernen zu lassen und gleichzeitig das Durchsickern dieser Daten sehr zu erschweren.

Ein vielversprechender Ansatz bekommt jetzt seinen ersten großen Test an der Stanford Medical School in Kalifornien. Patienten können dort ihre medizinischen Daten in ein KI-System einspeisen, das darauf trainiert werden kann, Augenkrankheiten zu diagnostizieren, ohne jemals auf ihre persönlichen Daten zugreifen zu müssen.

Die Teilnehmer reichen ophthalmologische Testergebnisse und Gesundheitsdaten durch ein eine App . Die Informationen werden verwendet, um ein maschinelles Lernmodell zu trainieren, um Anzeichen von Augenerkrankungen (wie diabetische Retinopathie und Glaukom) in den Bildern zu erkennen. Die Daten werden jedoch durch eine Technologie geschützt, die von Oasis Labs, einem aus der UC Berkeley ausgegründeten Startup, entwickelt wurde, die garantiert, dass die Informationen nicht durchgesickert oder missbraucht werden können. Das Start-up erhielt letzte Woche von der Stanford Medical School die Erlaubnis, die Studie in Zusammenarbeit mit Forschern der UC Berkeley, Stanford und der ETH Zürich zu starten

Die Sensibilität privater Patientendaten ist ein drohendes Problem. KI-Algorithmen, die mit Daten aus verschiedenen Krankenhäusern trainiert wurden, könnten potenziell Krankheiten diagnostizieren, Krankheiten verhindern und Leben verlängern. Aber in vielen Ländern können Krankenakten aus rechtlichen Gründen nicht einfach geteilt und diesen Algorithmen zugeführt werden. Die Forschung zur Verwendung von KI zur Erkennung von Krankheiten in medizinischen Bildern oder Daten umfasst normalerweise relativ kleine Datensätze, was die Versprechen der Technologie stark einschränkt.

Es ist sehr aufregend, dies mit echten klinischen Daten tun zu können, sagt er Morgenlied , Mitbegründer von Oasis Labs und Professor an der UC Berkeley. Wir können wirklich zeigen, dass das funktioniert.

Oasis speichert die privaten Patientendaten auf einem sicheren Chip, der in Zusammenarbeit mit anderen Forschern in Berkeley entwickelt wurde. Die Daten bleiben in der Oasis-Cloud; Außenstehende sind in der Lage, Algorithmen auf die Daten anzuwenden und die Ergebnisse zu erhalten, ohne dass diese jemals das System verlassen. Ein Smart Contract – Software, die auf einer Blockchain läuft – wird ausgelöst, wenn eine Anfrage zum Zugriff auf die Daten eingeht. Diese Software protokolliert, wie die Daten verwendet wurden, und überprüft auch, ob die maschinelle Lernberechnung korrekt durchgeführt wurde.

Dies wird zeigen, dass wir Patienten helfen können, Daten auf datenschutzfreundliche Weise beizusteuern, sagt Song. Sie sagt, dass das Augenkrankheitsmodell genauer wird, wenn mehr Daten gesammelt werden.

Eine solche Technologie könnte es auch einfacher machen, KI auf andere sensible Informationen anzuwenden, wie z. B. Finanzunterlagen oder die Kaufgewohnheiten von Einzelpersonen oder Daten zum Surfen im Internet. Song sagt, es sei geplant, die medizinischen Anwendungen zu erweitern, bevor man sich anderen Bereichen zuwendet.

Die ganze Idee, Berechnungen durchzuführen und dabei Daten geheim zu halten, ist unglaublich mächtig, sagt er David Evans , der sich an der University of Virginia auf maschinelles Lernen und Sicherheit spezialisiert hat. Wenn es beispielsweise in Krankenhäusern und Patientengruppen angewendet wird, könnte maschinelles Lernen völlig neue Möglichkeiten eröffnen, Krankheiten mit Genomik, Testergebnissen und anderen Patienteninformationen in Verbindung zu bringen.

Sie würden es lieben, wenn ein medizinischer Forscher aus den Krankenakten aller lernen könnte, sagt Evans. Sie könnten eine Analyse durchführen und feststellen, ob ein Medikament wirkt oder nicht. Aber das kannst du heute nicht mehr.

Trotz des Potenzials, das Oasis darstellt, ist Evans vorsichtig. Das Speichern von Daten auf sicherer Hardware stellt eine potenzielle Fehlerquelle dar, stellt er fest. Wenn das Unternehmen, das die Hardware herstellt, kompromittiert wird, sind alle auf diese Weise verarbeiteten Daten ebenfalls angreifbar. Blockchains seien relativ unbewiesen, fügt er hinzu.

Es kommen viele verschiedene Technologien zusammen, sagt er über den Ansatz von Oasis. Einige sind ausgereift, andere sind auf dem neuesten Stand und haben Herausforderungen.

verbergen