Retrospektywna analiza danych z rezonansu magnetycznego do badań przesiewowych w kierunku raka piersi w otwartym konsorcjum na rzecz zdecentralizowanej medycznej sztucznej inteligencji (ODELIA)

Sztuczna inteligencja (AI) ma zrewolucjonizować opiekę zdrowotną, ponieważ jej wydajność diagnostyczna zbliża się do wyników ekspertów klinicznych. W szczególności w przypadku badań przesiewowych w kierunku raka sztuczna inteligencja może pomóc pacjentom w podejmowaniu bardziej świadomych decyzji i zmniejszeniu liczby błędów medycznych. Wymaga to jednak dużych zbiorów danych, których gromadzenie napotyka poważne przeszkody praktyczne, etyczne i prawne. Te przeszkody można potencjalnie pokonać dzięki uczeniu się roju (SL), w ramach którego partnerzy wspólnie trenują modele sztucznej inteligencji bez udostępniania jakichkolwiek danych. Jednak dostęp do technologii SL jest obecnie ograniczony, ponieważ żadne badania nie wdrożyły SL w prawdziwej wielonarodowej konfiguracji, nie jest dostępna swobodnie użyteczna implementacja SL, badacze i pracownicy służby zdrowia nie mają doświadczenia w tworzeniu sieci SL, a decydenci nie są obecnie świadomi szerszych możliwości implikacje SL.

ODELIA będzie dążyć do rozwiązania tych problemów: ODELIA zbuduje platformę oprogramowania typu open source dla SL, zapewniając linię montażową do usprawnionego rozwoju rozwiązań AI w warunkach przedklinicznych. Aby służyć jako plan dla przyszłych systemów AI opartych na SL, partnerzy ODELIA współpracują jako konsorcjum w celu opracowania modeli AI do wykrywania raka piersi w obrazowaniu metodą rezonansu magnetycznego (MRI). Rozmiar rozproszonej bazy danych ODELIA będzie znaczny, a modele sztucznej inteligencji ODELIA mogą osiągnąć wydajność na poziomie eksperckim w badaniach przesiewowych raka piersi.

W ten sposób ODELIA będzie mogła nie tylko dostarczyć użyteczne zastosowanie medyczne, ale także dostarczyć dowodów podsumowujących korzyści kliniczne SL w zakresie przyspieszonego rozwoju, zwiększonej wydajności i solidnej uogólnienia.

Aby to osiągnąć, partnerzy ODELIA zbiorą retrospektywne, anonimowe zestawy danych MRI piersi z ręcznymi etykietami prawdy na temat obecności raka i będą szkolić modele AI w sposób konwencjonalny i za pośrednictwem SL. Wydajność tych podejść technicznych zostanie porównana. Celem badania jest przetestowanie metodologii Swarm Learning i wydajności algorytmów AI opracowanych w ramach ODELIA na danych retrospektywnych. Nie będzie to miało wpływu na leczenie pacjentów, ponieważ wszystkie oceny będą przeprowadzane retrospektywnie. Z badaniem nie jest związane żadne leczenie pacjenta ani żadna interwencja.