在十字路口有很多激动人心的事人工智能和医疗保险。人工智能已经被用于改善疾病治疗和检测，发现有前途的新药，确定基因和疾病之间的联系，以及更多。
通过分析大型数据集和查找模式，几乎所有新算法都有可能帮助患者的潜力 - AI研究人员只需要访问正确的数据以培训和测试这些算法。有用的医院可以犹豫与研究团队共享敏感的患者信息。当他们分享数据时，很难验证研究人员是否仅使用他们所需要的数据并在完成后删除它。
安全人工智能实验室(SAIL)正在通过一项技术来解决这些问题，该技术可以让人工智能算法在从未离开数据所有者系统的加密数据集上运行。卫生保健组织可以控制如何使用它们的数据集，而研究人员可以保护其模型和搜索查询的机密性。任何一方都不需要看到数据或模型来协作。
广告
广告
SAIL的平台还可以结合来自多个来源的数据，形成丰富的见解，从而推动更有效的算法。“你不应该在和医院主管闲聊5年之后才可以运行你的机器学习SAIL联合创始人、麻省理工学院教授马诺利斯·凯利斯说，他与首席执行官安妮·金共同创立了该公司。“我们的目标是帮助患者，帮助机器学习的科学家，并创造新的治疗方法。我们希望新的算法——最好的算法——能够应用于最大可能的数据集。”
SAIL已经与医院和生命科学公司合作，为研究人员解锁匿名数据。明年，该公司希望与全国前50名的学术医疗中心中的一半进行合作。
释放AI的全部潜力
作为麻省理工学院计算机科学和分子生物学的本科生，Kim与计算机科学和人工智能实验室(CSAIL)的研究人员合作，分析来自临床试验、基因关联研究、医院重症监护病房等的数据。
“我意识到在数据共享中有一些严重的问题，无论是医院使用硬盘驱动器，古老的文件传输协议，甚至是通过邮件发送东西，”Kim说。“一切都没有很好地追踪。”
凯利斯还是麻省理工学院和哈佛大学布罗德研究所(Broad Institute of MIT and Harvard)的成员，他花了数年时间与医院和协会建立合作关系，涉及癌症、心脏病、精神分裂症和肥胖症等一系列疾病。他知道，较小的研究团队将难以获得他的实验室正在研究的相同数据。
2017年，Kellis和Kim决定商业化技术，他们正在开发，以允许AI算法在加密数据上运行。在2018年夏天，Kim参加了由Martin Trust Centre的MIT创业中心运行的Delta V启动加速器。创始人还获得了沙箱创新基金和风险投资辅导服务的支持，并通过其麻省理工学院网络进行了各种早期联系。
为了参与SAIL的项目，医院和其他卫生保健组织通过在防火墙后设置一个节点，将其部分数据提供给研究人员。然后，SAIL将加密算法发送到服务器，而服务器上的数据集中在一个称为联邦学习的过程中。算法处理每台服务器上的本地数据，并将结果传输回一个中心模型，后者进行自我更新。没有人——研究人员、数据所有者，甚至SAIL——可以访问这些模型或数据集。
这种方法允许更广泛的研究人员将他们的模型应用于大型数据集。为了进一步吸引研究界，Kellis在麻省理工学院的实验室开始举办竞赛，让研究人员获得蛋白质功能和基因表达等领域的数据集，并挑战研究人员预测结果。
“我们邀请机器学习研究人员来往去年的数据并预测今年的数据，”凯利斯说。“如果我们看到在这些社区级评估中表现最佳的新型算法，人们可以在许多不同的机构本地采用它，并达到竞争范围。因此，重要的是您的算法质量而不是连接的权力。“
SAIL的技术使大量数据集能够被匿名化，从而形成聚合的见解，它还允许研究人员研究罕见疾病，在这种情况下，相关患者数据的小池通常分布在许多机构中。这使得人工智能模型很难应用到数据中。
“我们希望所有这些数据集最终将是开放的，”凯利斯说。“我们可以削减所有筒仓，并启用一个新的时代，每个患者在整个世界上每一个罕见的疾病都可以在一个击键中聚集在一起来分析数据。”
使未来的药物成为可能
为了处理有关特定疾病的大量数据，SAIL越来越多地寻求与患者协会和医疗保健团体联盟合作，其中包括一家国际医疗保健咨询公司和肾癌协会。合作伙伴关系还使SAIL与患者——他们最想帮助的群体——保持一致。
总的来说，创始人很高兴看到他们在世界各地研究人员面临的帆解决问题。
“解决这个问题的正确地方不是一个学术项目。解决这个问题的正确地方是在工业领域，我们不仅可以为我的实验室提供平台，还可以为任何研究人员提供平台，”Kellis说。“这是关于创建一个学术界、研究人员、制药公司、生物技术和医院合作伙伴的生态系统。我认为，正是这些不同领域的融合，才会使未来医学的愿景成为现实。”
来源:麻省理工学院
