Het federatief delen van data waarbij ziekenhuizen elkaars data gebruiken zonder de onderliggende gegevens te zien, kan de geneeskunde goed vooruitbrengen.
Uit een studie van Penn Medicine en Intel Labs blijkt dat deze privacy-behoudende ai-techniek de detectie van hersentumoren met een derde kan verbeteren. Bij deze ‘federated learning’ studie werd een voor de medische wereld ongekend uitgebreide dataset onderzocht. Liefst 71 instellingen op zes continenten deden er aan mee. Ook het Erasmus MC in Rotterdam was erbij betrokken.
Het vermogen om gevoelige informatie en data te beschermen opent de deur voor toekomstige studies en samenwerking, vooral in gevallen waarin datasets anders ontoegankelijk zouden zijn. De beschikbaarheid van data is al lang een probleem in de gezondheidszorg vanwege nationale wetten inzake databescherming, waaronder de Algemene Verordening Gegevensbescherming (AVG).
Gedistribueerde machine learning
Het resultaat bij de tumordetectie werd bereikt door het verwerken van grote hoeveelheden gegevens in een gedecentraliseerd systeem. Federated Learning houdt in dat het algoritme voor een analyse naar de data toe gaat in plaats van dat de data ‘naar buiten’ hoeven te gaan. Behalve Intel is ook bijvoorbeeld TNO actief op gebied van deze gedistribueerde machine learning benadering.