分散型医療人工知能のオープン コンソーシアムにおける乳がんスクリーニングのための磁気共鳴画像データのレトロスペクティブ分析 (ODELIA)

人工知能 (AI) は、その診断性能が臨床専門家の性能に近づくにつれて、ヘルスケアに革命を起こす準備が整っています。 特に、がん検診では、AI は患者がより多くの情報に基づいて意思決定を行い、医療ミスを減らすのに役立ちます。 ただし、これには大規模なデータセットが必要であり、そのコレクションは実用的、倫理的、法的に深刻な障害に直面しています。 これらの障害は、パートナーがデータを共有せずに共同で AI モデルをトレーニングする群学習 (SL) によって克服できる可能性があります。 しかし、真の多国籍組織で SL を実装した研究はなく、自由に使用できる SL の実装は利用できず、研究者と医療提供者は SL ネットワークを設定した経験がなく、政策立案者は現在、より広範なものを認識していないため、SL 技術へのアクセスは現在制限されています。 SLの意味。

ODEIA はこれらの問題を解決することを目指します。ODELIA は、SL 用のオープンソース ソフトウェア フレームワークを構築し、前臨床環境での AI ソリューションの合理化された開発のためのアセンブリ ラインを提供します。 将来の SL ベースの AI システムの青写真として機能するために、ODELIA パートナーはコンソーシアムとして協力して、磁気共鳴画像法 (MRI) で乳がんを検出するための AI モデルを開発します。 ODELIA の分散型データベースのサイズはかなり大きくなり、ODELIA の AI モデルは乳がん検診の専門家レベルのパフォーマンスに達する可能性があります。

これにより、ODELIA は有用な医療アプリケーションを提供するだけでなく、開発の加速、パフォーマンスの向上、堅牢な一般化の観点から SL の臨床的利点を要約する証拠を提供することができます。

これを達成するために、ODELIA パートナーはレトロスペクティブで匿名化された乳房 MRI データセットを収集し、がんの存在に関する手動のグラウンド トゥルース ラベルを付け、AI モデルを慣習的に、SL を介してトレーニングします。 これらの技術的アプローチのパフォーマンスを比較します。 この調査の目的は、Swarm Learning の方法論と ODELIA 内で開発された AI アルゴリズムのパフォーマンスをレトロスペクティブ データでテストすることです。 すべての評価は遡及的に行われるため、患者の治療に影響はありません。 患者の治療や介入は研究に関連していません。