Создание Федеративной учебной лаборатории для детской медицины для совершенствования обучения приложений ИИ с сохранением конфиденциальности представляет собой необходимый и важный шаг на пути к достижению конечной цели Pediatric Moonshot. Но построить эту критически важную инфраструктуру в одиночку недостаточно. Что также необходимо, так это серьезный сдвиг в том, как исследования переходят от лабораторного стола к постели. Сегодня слишком много исследовательских проектов проводится изолированно исследователями, чьи возможности по обучению нейронных сетей ограничены доступом к небольшим локальным наборам данных, а результаты публикуются в виде исследовательских работ.

К сожалению, как правило, именно на этом любые новые идеи или знания заканчиваются — в исследовательской работе, которая никак не влияет на пациентов. Увидев аналогичную проблему в фармацевтике и медицинском оборудовании, трансляционная медицина возникла как дисциплина, призванная устранить барьеры между исследовательским столом и у постели больного. В то время как трансляционная медицина применялась к лекарствам и устройствам, было мало работы по переводу инноваций в области программного обеспечения.

Одним из важных применений децентрализованной облачной службы на границе здания является предоставление платформы для перевода инноваций ИИ из исследований в медицинские учреждения. Мы называем трехэтапный поступательный процесс искусственного интеллекта методом Чанга в честь доктора Энтони Чанга, вдохновившего Pediatric Moonshot.

Шаг 1. Возьмите алгоритмы искусственного интеллекта, разработанные для небольших наборов данных, и внедрите их в виде пограничного облачного приложения. Эта реализация будет включать использование пограничных сервисов данных для доступа к обычным данным (например, МРТ, УЗИ, ЭЭГ, анализу крови), а также клиническому пользовательскому интерфейсу.

Шаг 2. Разверните приложение ИИ в периферийном облаке внутри здания во всех 500 детских больницах. Теперь измерьте точность.

Шаг 3: Повысьте точность. Теперь приложение ИИ имеет доступ к большому разнообразному набору данных, используя федеративное обучение, чтобы учиться, сохраняя при этом конфиденциальность.

Вместо того, чтобы просто представить наше описание метода Чанга в абстрактной форме, давайте теперь применим его к реальному, реальному сценарию.

Давайте начнем с ребенка на юге Соединенных Штатов, которого мы ранее представили. У него были припадки с 18-месячного возраста, и в его жизни не было значительного промежутка времени, когда у него не было приступов. В возрасте двенадцати лет у него все еще было несколько приступов в день продолжительностью 10–20 секунд каждый. Те припадки, которые он испытывал во время сна (в среднем три за ночь), включали пробуждение и крик. После припадка он плакал, устал и стал раздражительным. В то время как ключ к выявлению очаговой кортикальной дисплазии (FCD), расстройства, которое у него в конечном итоге диагностировали, можно найти в МРТ головного мозга. Взгляните на МРТ и ультразвуковое изображение поражения в начале статьи. К несчастью для этого мальчика, обе его первоначальные МРТ были неточно прочитаны как нормальные, и надлежащее лечение оставалось неуловимым. Поскольку в год в США регистрируется всего 2500 случаев, неудивительно, что один врач мог пропустить этот диагноз.

Поскольку ФКД у этого ребенка не была идентифицирована как первопричина его приступов, вместо необходимого хирургического лечения ему было назначено не менее 10 препаратов, каждый из которых был впоследствии отменен из-за их неэффективности и побочных эффектов. Недавно его FCD был наконец диагностирован. Операция по удалению специфического поражения головного мозга избавит его от приступов, избавит от необходимости принимать лекарства и сможет вести нормальный образ жизни.

За четыре тысячи миль в Великобритании два доктора медицинских наук, Софи Адлер и Конрад Вагстил, в течение последних четырех лет работали над проектом по разработке приложения ИИ для обнаружения FCD. Проект завершился в прошлом году (2022 г.) статьей, опубликованной в журнале Brain, в которой описывается многоцентровое обнаружение очагов эпилепсии (MELD) — надежный и интерпретируемый алгоритм машинного обучения для автоматического обнаружения ФКД. Они создали свой алгоритм обнаружения FCD с когортой из 618 пациентов с эпилепсией, связанной с FCD, из 22 центров эпилепсии по всему миру. Их нейронная сеть была обучена и перекрестно проверена на 50% всей когорты и протестирована на оставшихся 50%, а также на 2 независимых тестовых площадках. MELD может предоставлять персонализированные отчеты пациентов с указанием местоположения предполагаемых поражений наряду с их визуальными характеристиками.

К сожалению, работа опубликована в журнале Brain. Вместо того, чтобы оставить это там, давайте подумаем, как метод Чанга может перенести это исследование со скамейки в Университетском колледже Лондона на больничные койки по всему миру.

Первым шагом является внедрение приложения для обнаружения FCD британских исследователей, MELD, в качестве граничного облачного приложения. Второй шаг — развернуть приложение в пограничных зонах во всех учреждениях, участвовавших в первоначальной работе. На рисунке ниже показаны 22 сайта, которые участвовали. Приложение MELD можно использовать как для обнаружения в режиме реального времени, так и для доступа к историческим МРТ, хранящимся в локальных приложениях PACS.

Наконец, методы федеративного обучения используются для дальнейшего повышения точности на основе гораздо большего набора данных и, конечно же, в конечном итоге развертываются во многих других местах, сохраняя при этом конфиденциальность пациентов.

Приложение обнаружения MELD FCD, конечно, является лишь одним из сотен или тысяч потенциальных приложений ИИ, которые можно развернуть в этой системе на благо всех областей педиатрической медицины — от кардиологии, радиологии и эндокринологии до неврологии, ортопедии и неонатологии. У нас есть технология для создания приложений, сохраняющих конфиденциальность в режиме реального времени, которые трансформируют здравоохранение для всех детей, включая тех, кому не повезло в социальном или географическом отношении. Почему бы нам не внедрить метод Чанга и не перенести многие другие исследовательские проекты в области ИИ со скамейки на больничный?

Большое спасибо за тщательное редактирование Laura Jana, педиатру, социальному предпринимателю и соединителю точек; Лиэнн Уэст, главный инженер отдела педиатрических технологий Технологического института Джорджии. Особая благодарность Альберто Тоцци, руководителю отдела исследований в области предиктивной и профилактической медицины в Ospedale Pediatrico Bambino Gesù за перевод на итальянский язык