¿Es posible compartir conocimiento médico mediante inteligencia artificial respetando la privacidad de los pacientes? (Parte II)
4 min read
Si os perdisteis la primera parada de esta visita guiada por las tecnologías que rompen con el dilema de poder compartir información mientras se mantiene la privacidad de los datos, os invito a recorrerla aquí.
Para aquellos de vosotros que como yo o el mítico Sherlock Holmes sois selectivos a la hora de guardar información en vuestros cerebros, dejadme que os refresque lo que recorrimos en la primera parte de la visita.
Empezamos definiendo la problemática de analizar imágenes radiológicas a la hora de detectar posibles enfermedades, cómo las redes convolucionales eran la elección de facto para esta tarea y cómo los modelos Maestro-Alumno parece que puedan mejorar estas redes. Terminamos introduciendo por qué en nuestro caso era necesario aplicar un modelo federado, ya que nos permitía compartir conocimiento entre diferentes modelos sin comprometer los datos.
Hoy vamos a centrarnos en las tecnologías que hacen posible desplegar, securizar y administrar ese modelo federado entre hospitales y unas últimas líneas para cerrar la visita. ¿Qué os parece? ¿Tentador?…Pues vamos a ello.
Edge Computing
La segunda parada de la visita se veía venir, ¿no? Obviamente, para poder aplicar el modelo de Entrenamiento Federado necesitábamos realizar entrenamientos locales en cada hospital, para luego reconciliar la información en un nodo central y así mejorar el modelo, y todo esto sin que las radiografías salgan en ningún momento de cada hospital.
Este punto lo solventamos con el llamado Edge Computing, concretamente un sub-tipo de Industrial Edge1. En pocas palabras, nos permite ejecutar tareas en un lugar entre el centro de datos y la nube, muy pensado para aplicaciones que requieran en tiempo real continuar funcionando sin conectividad o que tengan restricciones de seguridad.
Foto: https://www2.deloitte.com/content/dam/Deloitte/us/Documents/public-sector/us-gps-considerations-for-distributing-artificial-intelligence.pdf
Cabe reseñar que este tipo de soluciones ha crecido enormemente con la IA, como dice Dave McCarthy, Director de Estudios en IDC’s worldwide infrastructure practice “IA es la carga de trabajo más común…” para Edge computing y “…A medida que las implementaciones de IoT han madurado…”, agrega, “…ha aumentado el interés en aplicar la IA en el punto de generación para la detección de eventos en tiempo real”.
Por tanto, dotando de esta capacidad de computo a nivel de Edge, hemos sido capaces de hacer ese entrenamiento de los modelos a nivel local cumpliendo estrictamente con los comités éticos de los hospitales y al mismo tiempo, hemos podido compartir la información generada con un nodo central para mejorar esos modelos individuales.
Seguridad y facilidad de gestión
Y vamos llegando al final de la visita, y en esta tercera parada queremos contaros cómo ayudamos a blindar la solución a nivel de ciberseguridad y que fuera fácil de gestionar tanto para los grandes hospitales como, en un futuro, para los más pequeños.
Dentro de toda la seguridad que se está probando en el piloto, uno de los pilares son los nuevos chips de Intel basados en sus procesadores escalables Ice Lake Xeon que proporcionan un 46% más de rendimiento e inteligencia artificial integrada para aplicaciones en el Edge.
Estos chips son clave para la seguridad porque abren una gran oportunidad para que los desarrolladores de aplicaciones y soluciones, en nuestro caso CapGemini Engineering, se hagan cargo de la seguridad de sus datos utilizando nuevos controles basados en hardware con Intel® Software Guard Extensions (Intel® SGX) que ofrece cifrado de memoria basado en hardware aislando el código de aplicación y datos específicos en la memoria.
A la seguridad hardware le añadimos una conexión punto a punto que evita ataques al canal de información y que puede ser implementada directamente con un operador como en nuestro caso con Vodafone.
Por último, le añadimos una gestión desde la nube sin guardar ningún dato sensible fuera del hospital. Ésto permite que entidades de cualquier tamaño puedan gestionar de manera sencilla y sin tiempos de instalación esos componentes de Edge, o incluso delegarlo en un partner que pueda darle soporte sin tener que acceder a sus instalaciones o ver los datos que se está manejando. Para esta tareas en el proyecto hemos confiado en Intersight.
Foto: https://www.cisco.com/c/en/us/products/collateral/cloud-systems-management/intersight/solution-overview-c22-744638.html
Con Cisco Intersight se obtienen todos los beneficios de la entrega de SaaS y la gestión del ciclo de vida completo de los servidores distribuidos conectados a Intersight, en este caso orientado a la gestión de los componentes Edge. Esto le permite analizar, actualizar, corregir y automatizar su entorno de formas que no eran posibles con las herramientas de generaciones anteriores.
Final del recorrido
Espero que hayáis disfrutado de esta visita guiada tanto como yo y que os haya ayudado a entender un poco mejor como toda esta tecnología orquestada para conseguir un objetivo común puede suponer un avance increíble en el diagnóstico clínico por varios motivos:
- Podemos ser capaces de ayudar al diagnóstico haciendo que el trabajo de nuestros grandes profesionales tenga el plus del conocimiento compartido de todos ellos.
- Democratizamos el conocimiento y permitimos que centros médicos pequeños o poblaciones sin alguna especialidad, se beneficien del conocimiento colectivo de todo el país y, por tanto, la alta calidad de nuestro sistema sanitario puede llegar a más ciudadanos de una forma más sencilla.
- Y lo más importante, manteniendo la privacidad de los datos de los pacientes, así como la seguridad de éstos en todos los pasos del proceso.
Referencia
1: Edge Computing: Not All Edges are Created Equal (2020).
Leer más:
La inteligencia artificial es clave en la transformación digital
Cómo la tecnología puede contribuir al proceso de vacunación mundial
Authors
