Duke liderará el esfuerzo $1M que explora formas de mantener seguros los datos de los pacientes en los días de la IA
Fecha de publicación:DURHAM – Un mundo completamente nuevo de conocimientos sobre atención médica está a nuestro alcance, gracias a las técnicas de aprendizaje automático que evolucionan rápidamente y que pueden analizar grandes cantidades de datos. Pero, ¿cómo podemos aprovechar eficazmente estos valiosos datos y al mismo tiempo garantizar que la información del paciente siga siendo privada?
Un equipo de investigación multidisciplinario dirigido por la Universidad de Duke (compuesto por los profesores de ingeniería eléctrica e informática de Duke Hai Li y Lawrence Carin, los profesores de bioestadística y bioinformática David Page y Erich Huang, y colaboradores de la Universidad de Pittsburgh y UMPC (Heng Huang, Wei Chen, Samuel Dickson, Ying Ding y Liang Zhan) están en camino de responder esa pregunta. El equipo ha recibido una nueva subvención del Acelerador de Convergencia de la Fundación Nacional de Ciencias (NSF) de $1 millones para desarrollar una plataforma de aprendizaje e intercambio de modelos de salud llamada LEARNER.
El Programa Acelerador de Convergencia de NSF se lanzó en 2019 para ayudar a hacer una transición rápida de la investigación y el descubrimiento alineándose con Las “grandes ideas” de la NSF en practica. En 2020, la NSF continúa invirtiendo en dos áreas de investigación transformadoras de importancia nacional:Tecnología cuántica e inteligencia artificial (IA))—para garantizar que los avances tecnológicos en estas áreas tengan un impacto positivo en la sociedad.
El Programa Acelerador de Convergencia de NSF se lanzó en 2019 para ayudar a hacer una transición rápida de la investigación y el descubrimiento alineándose con Las “grandes ideas” de la NSF en practica.
"Los temas de intercambio de modelos y datos impulsados por la tecnología cuántica y la IA se eligieron en función de los aportes de la comunidad y se identificaron las prioridades federales de investigación y desarrollo", dijo Douglas Maughan, director del programa NSF Convergence Accelerator. "Esta es la segunda cohorte del programa y estamos entusiasmados de que estos equipos utilicen la investigación de convergencia y los fundamentos centrados en la innovación para acelerar soluciones que tengan un impacto social positivo".
Li confía en que el trabajo de su equipo logrará exactamente eso, ayudando a satisfacer la urgente necesidad nacional de tecnologías eficientes y seguras que aprovechen todo el potencial de los macrodatos en la atención médica y al mismo tiempo aborden los principios de datos FAIR (encontrables, accesibles, interoperables y reutilizables). y manejar las altas demandas informáticas de los algoritmos de aprendizaje automático. La nueva plataforma también incluirá un repositorio donde se podrán recopilar y compartir datos y metadatos de forma segura.
Profesor Duke de Ingeniería Eléctrica e Informática Hai Li
"Nuestro proyecto promoverá fundamentalmente las innovaciones sanitarias impulsadas por la IA y acelerará la investigación de convergencia inspirada en el uso en la ciencia de datos de salud a través del desarrollo de infraestructura y la implementación de marcos", dijo Li, un experto en aprendizaje automático que codirige el Centro de Computación Alternativa Sostenible e Inteligente (ASIC), un centro de investigación cooperativo entre la industria y la universidad de NSF con sede en Duke. "La plataforma LEARNER respaldará el intercambio y el aprendizaje colaborativo de modelos de ciencia de datos de salud, evitará la fuga de privacidad de datos y proporcionará gestión de ejecución y datos complejos para mejorar la reproducibilidad de análisis de datos de salud complejos".
Durante los próximos nueve meses, los equipos del Convergence Accelerator de la cohorte 2020 trabajarán para desarrollar su concepto inicial, identificar nuevos miembros del equipo y participar en un plan de estudios de innovación centrado en el diseño centrado en el ser humano, la ciencia del equipo y la preparación de presentaciones y entrenamiento de presentaciones. Después de desarrollar un prototipo inicial, los equipos participarán en una competencia de lanzamiento y evaluación de propuestas. Los equipos seleccionados para la fase dos serán elegibles para recibir financiación adicional: hasta $5 millones por un período de 24 meses.
Al final de la segunda fase, se espera que los equipos brinden soluciones de alto impacto que afecten las necesidades de la sociedad a escala.
(C) Universidad de Duke
Fuente del artículo original: WRAL TechWire