Een retrospectieve analyse van magnetische resonantie beeldvormingsgegevens voor borstkankerscreening in het Open Consortium voor gedecentraliseerde medische kunstmatige intelligentie (ODELIA)

Kunstmatige intelligentie (AI) zal een revolutie teweegbrengen in de gezondheidszorg, aangezien de diagnostische prestaties die van klinische experts benaderen. Met name bij kankerscreening kan AI patiënten helpen beter geïnformeerde beslissingen te nemen en medische fouten te verminderen. Dit vereist echter grote datasets waarvan de verzameling op ernstige praktische, ethische en juridische obstakels stuit. Deze obstakels kunnen mogelijk worden overwonnen met swarm learning (SL), waarbij partners gezamenlijk AI-modellen trainen zonder gegevens te delen. Toch is de toegang tot SL-technologie momenteel beperkt omdat er geen studies zijn die SL hebben geïmplementeerd in een echte multinationale opzet, er geen vrij bruikbare implementatie van SL beschikbaar is, onderzoekers en zorgverleners geen ervaring hebben met het opzetten van SL-netwerken en beleidsmakers momenteel niet op de hoogte zijn van de bredere implicaties van SL.

ODELIA zal ernaar streven deze problemen op te lossen: ODELIA zal een open-source softwareframework voor SL bouwen en een assemblagelijn bieden voor de gestroomlijnde ontwikkeling van AI-oplossingen in een preklinische setting. Om als blauwdruk te dienen voor toekomstige op SL gebaseerde AI-systemen, werken ODELIA-partners samen als een consortium om AI-modellen te ontwikkelen voor de detectie van borstkanker in magnetische resonantiebeeldvorming (MRI). De omvang van de gedistribueerde database van ODELIA zal aanzienlijk zijn en de AI-modellen van ODELIA zouden prestaties op expertniveau kunnen bereiken voor screening op borstkanker.

Daardoor kon ODELIA niet alleen een nuttige medische toepassing leveren, maar ook bewijs leveren om het klinische voordeel van SL samen te vatten in termen van versnelde ontwikkeling, verbeterde prestaties en robuuste generaliseerbaarheid.

Om dit te bereiken, zullen ODELIA-partners retrospectieve, geanonimiseerde borst-MRI-datasets verzamelen met handmatige grondwaarheidslabels voor de aanwezigheid van kanker, en zullen ze AI-modellen conventioneel en via SL trainen. De prestaties van deze technische benaderingen zullen worden vergeleken. Het doel van de studie is om de methodologie van Swarm Learning en de prestaties van AI-algoritmen ontwikkeld binnen ODELIA te testen op retrospectieve gegevens. Er zal geen effect zijn op de behandeling van patiënten, aangezien alle evaluaties retrospectief zullen worden uitgevoerd. Aan de studie is geen behandeling van de patiënt of enige interventie verbonden.