Duke dirigera l'effort $1M explorant les moyens de sécuriser les données des patients à l'ère de l'IA

Date publiée:

DURHAM– Un tout nouveau monde d’informations sur les soins de santé est à notre portée, grâce à des techniques d’apprentissage automatique en évolution rapide, capables d’analyser de grandes quantités de données. Mais comment pouvons-nous exploiter efficacement ces données précieuses tout en garantissant que les informations sur les patients restent confidentielles ?

Une équipe de recherche multidisciplinaire dirigée par l'Université Duke (composée de Hai Li et Lawrence Carin, professeurs de génie électrique et informatique de Duke, des professeurs de biostatistique et de bioinformatique David Page et Erich Huang, et de collaborateurs de l'Université de Pittsburgh et de l'UMPC (Heng Huang, Wei Chen, Samuel Dickson, Ying Ding et Liang Zhan) est sur la bonne voie pour répondre à cette question. L'équipe a reçu une nouvelle subvention d'accélérateur de convergence de la National Science Foundation (NSF) de $1 millions pour développer une plateforme de partage et d'apprentissage de modèles de santé nommée LEARNER.

Le Programme d'accélérateur de convergence NSF a été lancé en 2019 pour aider à faire évoluer rapidement la recherche et la découverte en s'alignant sur Les « grandes idées » de la NSF en pratique. En 2020, la NSF continue d'investir dans deux domaines de recherche transformateurs d'importance nationale :technologie quantique et intelligence artificielle (IA) – pour garantir que les progrès technologiques dans ces domaines aient un impact positif sur la société.

Le Programme d'accélérateur de convergence NSF a été lancé en 2019 pour aider à faire évoluer rapidement la recherche et la découverte en s'alignant sur Les « grandes idées » de la NSF en pratique.

"Les sujets relatifs à la technologie quantique et au partage de données et de modèles basés sur l'IA ont été choisis en fonction des commentaires de la communauté et des priorités fédérales identifiées en matière de recherche et de développement", a déclaré Douglas Maughan, responsable du programme NSF Convergence Accelerator. « Il s'agit de la deuxième cohorte du programme et nous sommes ravis que ces équipes utilisent la recherche sur la convergence et les fondamentaux centrés sur l'innovation pour accélérer des solutions ayant un impact sociétal positif.

Li est convaincue que le travail de son équipe permettra d'atteindre exactement cet objectif, en aidant à répondre au besoin national urgent de technologies efficaces et sécurisées qui exploitent tout le potentiel du Big Data dans les soins de santé tout en respectant les principes de données FAIR (trouvables, accessibles, interopérables et réutilisables). et gérer les exigences de calcul élevées des algorithmes d’apprentissage automatique. La nouvelle plateforme comprendra également un référentiel où les données et métadonnées pourront être collectées et partagées en toute sécurité.

Professeur Duke de génie électrique et informatique Hai Li

"Notre projet fera fondamentalement progresser les innovations en matière de santé basées sur l'IA et accélérera la recherche de convergence inspirée par l'utilisation dans la science des données de santé grâce au développement d'infrastructures et au déploiement de cadres", a déclaré Li, un expert en apprentissage automatique qui codirige le projet. Centre pour l'informatique alternative durable et intelligente (ASIC), un centre de recherche coopératif industrie-université de la NSF dont le siège est à Duke. « La plateforme LEARNER prendra en charge le partage et l’apprentissage collaboratifs de modèles scientifiques de données de santé, empêchera les fuites de confidentialité des données et fournira une gestion complexe des données et de l’exécution pour améliorer la reproductibilité des analyses de données de santé complexes.

Au cours des neuf prochains mois, les équipes de la cohorte Convergence Accelerator 2020 travailleront au développement de leur concept initial, identifieront de nouveaux membres d'équipe et participeront à un programme d'innovation axé sur la conception centrée sur l'humain, la science d'équipe, la préparation du pitch et le coaching de présentation. Après avoir développé un premier prototype, les équipes participeront à un concours de pitch et à une évaluation des propositions. Les équipes sélectionnées pour la deuxième phase seront éligibles à un financement supplémentaire – jusqu'à $5 millions pour une période de 24 mois.

À la fin de la deuxième phase, les équipes devraient fournir des solutions à fort impact qui auront un impact sur les besoins sociétaux à grande échelle.

(C) Université Duke

Source originale de l’article : WRAL TechWire