تكنولوجيا طبية

تقنية مبتكرة لحماية البيانات الشخصية للمرضى وتمهد الطريق للطب الرقمي

يمكن لخوارزميات الذكاء الاصطناعي أن تدعم الأطباء في تشخيص أمراض مثل السرطان. تعتمد فعالية هذه الخوارزميات على كمية ونوعية البيانات الطبية المستخدمة في تدريبهم، وغالبًا ما تتم مشاركة بيانات المريض بين العيادات لتعظيم مجموعة البيانات.

تم استخدام هذه التقنية الآن لأول مرة في خوارزمية تحدد الالتهاب الرئوي في صور الأشعة السينية للأطفال. وجد الباحثون أن تقنياتهم الجديدة لحماية الخصوصية أظهرت دقة مماثلة أو دقة أفضل في تشخيص الالتهابات الرئوية المختلفة لدى الأطفال مقارنة بالخوارزميات الموجودة.

لحماية هذه البيانات، تخضع المادة عادةً لإخفاء الهوية وإخفاء الأسماء المستعارة، لكن الباحثين يقولون إن هذه الإجراءات الوقائية أثبتت غالبًا أنها غير كافية فيما يتعلق بحماية البيانات الصحية للمرضى.

لمعالجة هذه المشكلة، قام فريق متعدد التخصصات في جامعة ميونيخ التقنية (TUM)، و Imperial College London، و OpenMined بتطوير مجموعة فريدة من عمليات التشخيص القائمة على الذكاء الاصطناعي لبيانات الصور الإشعاعية التي تحمي خصوصية البيانات .

في ورقتهم المنشورة في Nature Machine Intelligence، قدم الفريق تطبيقًا ناجحًا: خوارزمية التعلم العميق التي تساعد على تصنيف حالات الالتهاب الرئوي في الأشعة السينية للأطفال.

قال المؤلف المشارك البروفيسور دانيال رويكرت، من قسم الحوسبة و TUM في إمبريال: “إن ضمان خصوصية وأمن بيانات الرعاية الصحية أمر بالغ الأهمية لتطوير ونشر نماذج التعلم الآلي واسعة النطاق”.

حماية الخصوصية

تتمثل إحدى طرق حماية سجلات المرضى في الاحتفاظ بها في موقع التجميع بدلاً من مشاركتها مع العيادات الأخرى. حاليًا، تشارك العيادات بيانات المرضى عن طريق إرسال نسخ من قواعد البيانات إلى العيادات حيث يتم تدريب الخوارزميات.

في هذه الدراسة، استخدم الباحثون التعلم الموحد، حيث يتم مشاركة خوارزمية التعلم العميق بدلاً من البيانات نفسها. تم تدريب النماذج في المستشفيات المختلفة باستخدام البيانات المحلية ثم إعادتها إلى المؤلفين – وبالتالي، لم يكن على مالكي البيانات مشاركة بياناتهم والاحتفاظ بالسيطرة الكاملة.

قال المؤلف الأول جورجيوس كايسيس من TUM وقسم الحوسبة في إمبريال: “للحفاظ على بيانات المريض آمنة، لا ينبغي أبدًا مغادرة العيادة حيث يتم جمعها”.

لمنع تحديد المؤسسات التي تم تدريب الخوارزمية فيها، طبق الفريق تقنية أخرى: التجميع الآمن. قاموا بدمج الخوارزميات في شكل مشفر وفك تشفيرها فقط بعد تدريبهم على بيانات جميع المؤسسات المشاركة.

لمنع تصفية بيانات المريض الفردية من سجلات البيانات، استخدم الباحثون تقنية ثالثة عند تدريب الخوارزمية بحيث يمكن استخراج الارتباطات الإحصائية من سجلات البيانات، ولكن ليس من مساهمات الأفراد.

قال البروفيسور رويكرت: “تم تطبيق أساليبنا في دراسات أخرى، لكننا لم نشهد بعد دراسات واسعة النطاق باستخدام بيانات إكلينيكية حقيقية. من خلال التطوير المستهدف للتقنيات والتعاون بين المتخصصين في المعلوماتية والأشعة، قمنا بتدريب النماذج بنجاح تقدم نتائج دقيقة مع تلبية المعايير العالية لحماية البيانات والخصوصية”.

تمهيد الطريق للطب الرقمي

سيؤدي الجمع بين أحدث عمليات حماية البيانات أيضًا إلى تسهيل التعاون بين المؤسسات، كما أظهر الفريق في ورقة سابقة نُشرت في عام 2020. يمكن أن تتغلب طريقة الذكاء الاصطناعي التي تحافظ على الخصوصية على العقبات الأخلاقية والقانونية والسياسية – وبالتالي تمهد الطريق لاستخدام واسع النطاق لـ الذكاء الاصطناعي في الرعاية الصحية ، والذي قد يكون مهمًا للغاية للبحث في الأمراض النادرة.

العلماء مقتنعون أنه من خلال حماية خصوصية المرضى، يمكن لتقنيتهم ​​أن تقدم مساهمة مهمة في تقدم الطب الرقمي. وأضاف جورجيوس: “لتدريب خوارزميات الذكاء الاصطناعي الجيدة، نحتاج إلى بيانات جيدة، ولا يمكننا الحصول على هذه البيانات إلا من خلال حماية خصوصية المريض بشكل صحيح. تُظهر النتائج التي توصلنا إليها أنه مع حماية البيانات ، يمكننا فعل الكثير من أجل النهوض بالمعرفة أكثر من العديد من الأشخاص فكر في”.

مقالات ذات صلة

زر الذهاب إلى الأعلى