Duke leitet $1M bei der Erforschung von Möglichkeiten, Patientendaten in Zeiten der KI sicher zu halten

Veröffentlichungsdatum: 21. September 2020

DURHAM – Dank der sich schnell entwickelnden Techniken des maschinellen Lernens, mit denen riesige Datenmengen analysiert werden können, steht uns eine völlig neue Welt an Erkenntnissen im Gesundheitswesen zur Verfügung. Aber wie können wir diese wertvollen Daten effektiv nutzen und gleichzeitig sicherstellen, dass die Patientendaten vertraulich bleiben?

Ein multidisziplinäres Forschungsteam unter der Leitung der Duke University (bestehend aus den Duke-Fakultätsmitgliedern für Elektro- und Computertechnik, Hai Li und Lawrence Carin, den Biostatistik- und Bioinformatik-Fakultäten David Page und Erich Huang sowie Mitarbeitern an der University of Pittsburgh und UMPC (Heng Huang, Wei Chen, Samuel Dickson, Ying Ding und Liang Zhan sind auf dem besten Weg, diese Frage zu beantworten. Das Team hat ein neues Convergence Accelerator-Stipendium der National Science Foundation (NSF) in Höhe von $1 Mio. erhalten, um eine Plattform zum Teilen und Lernen von Gesundheitsmodellen mit dem Namen LEARNER zu entwickeln.

Der NSF Convergence Accelerator-Programm wurde 2019 ins Leben gerufen, um einen schnellen Übergang von Forschung und Entdeckung zu ermöglichen Die „großen Ideen“ der NSF zum Üben. Im Jahr 2020 investiert die NSF weiterhin in zwei transformative Forschungsbereiche von nationaler Bedeutung:Quantentechnologie und künstliche Intelligenz (KI).) – um sicherzustellen, dass sich der technologische Fortschritt in diesen Bereichen positiv auf die Gesellschaft auswirkt.

Der NSF Convergence Accelerator-Programm wurde 2019 ins Leben gerufen, um einen schnellen Übergang von Forschung und Entdeckung zu ermöglichen Die „großen Ideen“ der NSF zum Üben.

„Die Themen Quantentechnologie und KI-gesteuerter Daten- und Modellaustausch wurden auf der Grundlage von Community-Beiträgen ausgewählt und die Forschungs- und Entwicklungsprioritäten des Bundes ermittelt“, sagte Douglas Maughan, Leiter des NSF Convergence Accelerator-Programms. „Dies ist die zweite Kohorte des Programms und wir freuen uns, dass diese Teams Konvergenzforschung und innovationsorientierte Grundlagen nutzen, um Lösungen zu beschleunigen, die einen positiven gesellschaftlichen Einfluss haben.“

Li ist zuversichtlich, dass die Arbeit ihres Teams genau das erreichen wird, indem sie dazu beiträgt, den dringenden nationalen Bedarf an effizienten und sicheren Technologien zu decken, die das volle Potenzial von Big Data im Gesundheitswesen ausschöpfen und gleichzeitig FAIR-Datenprinzipien (auffindbar, zugänglich, interoperabel, wiederverwendbar) berücksichtigen und Bewältigung der hohen Rechenanforderungen von Algorithmen für maschinelles Lernen. Die neue Plattform wird auch ein Repository umfassen, in dem Daten und Metadaten sicher gesammelt und geteilt werden können.

Duke-Professor für Elektrotechnik und Informationstechnik Hai Li

„Unser Projekt wird KI-gesteuerte Gesundheitsinnovationen grundlegend vorantreiben und die anwendungsorientierte Konvergenzforschung in der Gesundheitsdatenwissenschaft durch Infrastrukturentwicklung und Framework-Bereitstellung beschleunigen“, sagte Li, ein Experte für maschinelles Lernen, der das Projekt mitleitet Zentrum für alternatives nachhaltiges und intelligentes Computing (ASIC), ein NSF-Kooperationsforschungszentrum zwischen Industrie und Universität mit Hauptsitz in Duke. „Die LEARNER-Plattform wird den kollaborativen Austausch und das Lernen von Gesundheitsdatenwissenschaftsmodellen unterstützen, Datenschutzlecks verhindern und ein komplexes Daten- und Ausführungsmanagement bereitstellen, um die Reproduzierbarkeit komplexer Gesundheitsdatenanalysen zu verbessern.“

In den nächsten neun Monaten werden die Convergence Accelerator-Teams der Kohorte 2020 daran arbeiten, ihr erstes Konzept zu entwickeln, neue Teammitglieder zu identifizieren und an Innovationslehrplänen teilzunehmen, die sich auf menschenzentriertes Design, Teamwissenschaft sowie Pitch-Vorbereitung und Präsentationscoaching konzentrieren. Nach der Entwicklung eines ersten Prototyps nehmen die Teams an einem Pitch-Wettbewerb und einer Angebotsbewertung teil. Für die zweite Phase ausgewählte Teams haben Anspruch auf zusätzliche Mittel – bis zu $5 Millionen für einen Zeitraum von 24 Monaten.

Am Ende der zweiten Phase wird von den Teams erwartet, dass sie wirkungsvolle Lösungen liefern, die sich in großem Umfang auf gesellschaftliche Bedürfnisse auswirken.

(C) Duke University

Originalquelle des Artikels: WRAL TechWire