Duke gaat leiding geven aan de inspanningen van $1M om manieren te onderzoeken om patiëntgegevens veilig te houden in dagen van AI
Datum gepubliceerd:DURHAM – Een hele nieuwe wereld van inzicht in de gezondheidszorg ligt binnen handbereik, dankzij de snel evoluerende machine learning-technieken die enorme hoeveelheden gegevens kunnen analyseren. Maar hoe kunnen we deze waardevolle gegevens effectief benutten en er tegelijkertijd voor zorgen dat patiëntinformatie privé blijft?
Een multidisciplinair onderzoeksteam onder leiding van Duke University (bestaande uit de leden van de Duke-elektriciteits- en computertechniek-faculteit Hai Li en Lawrence Carin, de faculteiten biostatistiek en bio-informatica David Page en Erich Huang, en medewerkers van de Universiteit van Pittsburgh en UMPC (Heng Huang, Wei Chen, Samuel Dickson, Ying Ding en Liang Zhan) ligt op koers om die vraag te beantwoorden. Het team heeft een nieuwe Convergence Accelerator-subsidie van $1 miljoen van de National Science Foundation (NSF) ontvangen om een platform voor het delen en leren van gezondheidsmodellen te ontwikkelen, genaamd LEARNER.
De NSF Convergence Accelerator-programma werd in 2019 gelanceerd om onderzoek en ontdekking snel op elkaar af te stemmen NSF's “Grote Ideeën” in de praktijk. In 2020 blijft het NSF investeren in twee transformatieve onderzoeksgebieden van nationaal belang:kwantumtechnologie en kunstmatige intelligentie (AI) – om ervoor te zorgen dat technologische vooruitgang op deze gebieden een positieve impact heeft op de samenleving.
De NSF Convergence Accelerator-programma werd in 2019 gelanceerd om onderzoek en ontdekking snel op elkaar af te stemmen NSF's “Grote Ideeën” in de praktijk.
“De onderwerpen op het gebied van kwantumtechnologie en AI-gestuurde gegevens- en modeluitwisseling zijn gekozen op basis van input van de gemeenschap en geïdentificeerde federale onderzoeks- en ontwikkelingsprioriteiten”, zegt Douglas Maughan, hoofd van het NSF Convergence Accelerator-programma. “Dit is het tweede cohort van het programma en we zijn blij dat deze teams convergentieonderzoek en op innovatie gerichte fundamenten gaan gebruiken om oplossingen te versnellen die een positieve maatschappelijke impact hebben.”
Li heeft er vertrouwen in dat het werk van haar team precies dat zal bereiken, door te helpen tegemoet te komen aan de dringende nationale behoefte aan efficiënte en veilige technologieën die het volledige potentieel van big data in de gezondheidszorg realiseren en tegelijkertijd FAIR (vindbare, toegankelijke, interoperabele, herbruikbare) dataprincipes aanpakken. en omgaan met de hoge rekeneisen van machine learning-algoritmen. Het nieuwe platform zal ook een repository bevatten waar gegevens en metadata veilig kunnen worden verzameld en gedeeld.
Duke hoogleraar elektrische en computertechniek Hai Li
“Ons project zal AI-gestuurde gezondheidsinnovaties fundamenteel bevorderen en gebruiksgeïnspireerd convergentieonderzoek in de wetenschap van gezondheidsdata versnellen door middel van de ontwikkeling van infrastructuur en de implementatie van raamwerken”, zegt Li, een machine learning-expert die mede leiding geeft aan het Centrum voor alternatief duurzaam en intelligent computergebruik (ASIC), een NSF-industrie-universitair coöperatief onderzoekscentrum met hoofdkantoor in Duke. “Het LEARNER-platform ondersteunt het delen en leren van collaboratieve gezondheidsgegevenswetenschapsmodellen, voorkomt het lekken van gegevensprivacy en biedt complex gegevens- en uitvoeringsbeheer om de reproduceerbaarheid van complexe analyses van gezondheidsgegevens te verbeteren.”
De komende negen maanden zullen de cohort Convergence Accelerator-teams van 2020 werken aan het ontwikkelen van hun initiële concept, het identificeren van nieuwe teamleden en deelnemen aan een innovatiecurriculum gericht op mensgericht ontwerp, teamwetenschap, pitchvoorbereiding en presentatiecoaching. Na het ontwikkelen van een eerste prototype zullen de teams deelnemen aan een pitchwedstrijd en voorstelevaluatie. Teams die voor fase twee zijn geselecteerd, komen in aanmerking voor aanvullende financiering – maximaal $5 miljoen voor een periode van 24 maanden.
Tegen het einde van fase twee wordt van de teams verwacht dat ze oplossingen met grote impact leveren die op grote schaal impact hebben op de maatschappelijke behoeften.
(C) Duke Universiteit
Originele artikelbron: WRAL TechWire