Duke poprowadzi projekt $1M badający sposoby zapewnienia bezpieczeństwa danych pacjentów w czasach sztucznej inteligencji
Data opublikowania:DUHAM – Zupełnie nowy świat wiedzy o opiece zdrowotnej jest na wyciągnięcie ręki, dzięki szybko rozwijającym się technikom uczenia maszynowego, które mogą analizować ogromne ilości danych. Ale w jaki sposób możemy skutecznie wykorzystać te cenne dane, zapewniając jednocześnie prywatność informacji o pacjencie?
Multidyscyplinarny zespół badawczy kierowany przez Duke University (składający się z wykładowców inżynierii elektrycznej i komputerowej Duke’a, Hai Li i Lawrence’a Carina, wydziałów biostatystyki i bioinformatyki Davida Page’a i Ericha Huanga oraz współpracowników z Uniwersytetu w Pittsburghu i UMPC (Heng Huang, Wei Chen, Samuel Dickson, Ying Ding i Liang Zhan) są na dobrej drodze, aby odpowiedzieć na to pytanie. Zespół otrzymał nowy grant w ramach programu Convergence Accelerator o wartości $1 miliona National Science Foundation (NSF) na opracowanie platformy do udostępniania i uczenia się modeli zdrowotnych o nazwie LEARNER.
The Program Akceleratora Konwergencji NSF został wprowadzony na rynek w 2019 r., aby pomóc w szybkim dostosowaniu badań i odkryć do nowych standardów „Wielkie pomysły” NSF w praktyce. W 2020 r. NSF w dalszym ciągu inwestuje w dwa transformacyjne obszary badawcze o znaczeniu krajowym:technologia kwantowa i sztuczna inteligencja (AI) – zapewnienie, że postęp technologiczny w tych obszarach będzie miał pozytywny wpływ na społeczeństwo.
The Program Akceleratora Konwergencji NSF został wprowadzony na rynek w 2019 r., aby pomóc w szybkim dostosowaniu badań i odkryć do nowych standardów „Wielkie pomysły” NSF w praktyce.
„Tematy dotyczące technologii kwantowej oraz danych i udostępniania modeli opartych na sztucznej inteligencji zostały wybrane na podstawie wkładu społeczności i zidentyfikowały federalne priorytety w zakresie badań i rozwoju” – powiedział Douglas Maughan, szef programu NSF Convergence Accelerator. „To druga grupa uczestników programu i cieszymy się, że te zespoły wykorzystają badania nad konwergencją i podstawy skoncentrowane na innowacjach, aby przyspieszyć wdrażanie rozwiązań, które będą miały pozytywny wpływ na społeczeństwo”.
Li jest przekonana, że praca jej zespołu pozwoli osiągnąć dokładnie ten cel, pomagając zaspokoić pilne krajowe zapotrzebowanie na wydajne i bezpieczne technologie, które pozwolą wykorzystać pełny potencjał dużych zbiorów danych w opiece zdrowotnej, przy jednoczesnym przestrzeganiu zasad FAIR (znajdalnych, dostępnych, interoperacyjnych i wielokrotnego użytku) dotyczących danych i radzenie sobie z wysokimi wymaganiami obliczeniowymi algorytmów uczenia maszynowego. Nowa platforma będzie również zawierać repozytorium, w którym będzie można bezpiecznie gromadzić i udostępniać dane i metadane.
Duke profesor inżynierii elektrycznej i komputerowej Hai Li
„Nasz projekt zasadniczo przyczyni się do postępu w zakresie innowacji zdrowotnych opartych na sztucznej inteligencji i przyspieszy inspirowane zastosowaniami badania nad konwergencją w nauce o danych zdrowotnych poprzez rozwój infrastruktury i wdrożenie ram” – powiedział Li, ekspert ds. uczenia maszynowego, który współkieruje projektem Centrum Alternatywnych, Zrównoważonych i Inteligentnych Informatyki (ASIC), centrum badawcze oparte na współpracy przemysłowo-uniwersyteckiej NSF z siedzibą w Duke. „Platforma LEARNER będzie wspierać wspólne udostępnianie i uczenie się modeli nauki o danych dotyczących zdrowia, zapobieganie wyciekom danych osobowych oraz zapewnia kompleksowe zarządzanie danymi i wykonaniem w celu poprawy odtwarzalności złożonych analiz danych dotyczących zdrowia”.
W ciągu następnych dziewięciu miesięcy kohortowe zespoły Akceleratora Konwergencji na rok 2020 będą pracować nad opracowaniem wstępnej koncepcji, identyfikacją nowych członków zespołu i uczestnictwem w programie nauczania innowacji skupiającym się na projektowaniu skoncentrowanym na człowieku, nauce o zespołach oraz przygotowaniu prezentacji i coachingu w zakresie prezentacji. Po opracowaniu wstępnego prototypu zespoły wezmą udział w konkursie ofertowym i ocenie propozycji. Zespoły wybrane do drugiego etapu będą uprawnione do dodatkowego finansowania – do kwoty $5 mln na okres 24 miesięcy.
Oczekuje się, że do końca drugiej fazy zespoły dostarczą skuteczne rozwiązania, które na dużą skalę wpłyną na potrzeby społeczne.
(C) Uniwersytet Duke'a
Oryginalne źródło artykułu: WRALTechWire