Nature Medicine pubblica la rivoluzionaria ricerca Owkin sul primo utilizzo in assoluto dell’apprendimento federato per addestrare modelli di apprendimento profondo sui dati istopatologici di più ospedali
Nella ricerca pubblicata oggi su Nature Medicine , l’azienda biotecnologica Owkin ha dimostrato per la prima volta che l’apprendimento federato (FL) può essere utilizzato per addestrare modelli di deep learning su dati provenienti da più ospedali su dati istopatologici senza che i dati lascino i firewall ospedalieri.
La scoperta apre la strada alla ricerca medica basata sull’intelligenza artificiale utilizzando set di dati multicentrici più grandi, consentendo ai modelli di sfuggire ai pregiudizi degli studi unicentrici. Ciò ha il potenziale per sbloccare scoperte nella medicina di precisione attraverso l’uso di un’intelligenza artificiale sicura e rispettosa della privacy.
Utilizzando i dati conservati all’interno di quattro importanti ospedali francesi, Owkin ha costruito modelli di intelligenza artificiale in grado di prevedere con precisione la risposta futura dei pazienti con carcinoma mammario triplo negativo (TNBC) alla chemioterapia neoadiuvante. Utilizzando l’intelligenza artificiale interpretabile per estrarre informazioni dai vetrini patologici digitali, Owkin è stato in grado di trovare potenziali nuovi biomarcatori. Ciò potrebbe in futuro aiutare a incanalare i pazienti verso trattamenti meno tossici o nuovi trattamenti sperimentali, migliorando la personalizzazione delle cure mediche.
Il progetto ha utilizzato l’apprendimento federato, un framework AI collaborativo che preserva la privacy e la sicurezza dei dati attraverso Substra, il software recentemente open source di Owkin che rende tracciabile ogni operazione utilizzando la tecnologia hyperledger. La ricerca è la prima volta che i modelli di apprendimento automatico sono stati addestrati utilizzando i dati istopatologici di più ospedali senza che i dati lascino gli ospedali. In precedenza, la maggior parte degli studi si limitava a simulare FL suddividendo artificialmente i dati. È un punto di riferimento fondamentale della FL nella ricerca medica e rappresenta una svolta nella realizzazione del vantaggio pratico dell’IA per la ricerca.
Lo studio ha utilizzato dati di patologia digitale e informazioni cliniche di 650 pazienti dell’Institut Curie di Parigi, del Centre Léon Bérard di Lione, del Gustave Roussy di Villejuif e dell’IUCT Oncopole di Tolosa, rendendolo una delle più grandi coorti TNBC del suo genere mai riunite per questo tipo di analisi.
La ricerca si basa sull’uso pionieristico di FL da parte di Owkin per consentire alle aziende farmaceutiche di collaborare alla ricerca sulla scoperta di farmaci salvaguardando la privacy, la sicurezza e le considerazioni sulla concorrenza. I risultati del progetto MELLODDY , pubblicati quest’anno, hanno dimostrato che la collaborazione nell’IA per la scoperta di farmaci è possibile su scala industriale grazie a FL, una novità per l’industria. Oltre ad affrontare i problemi di privacy e sicurezza, FL può anche semplificare i problemi di governance dei dati, eliminando la necessità di trasferire i dati e promuovendo una ricerca più collaborativa.
Jean du Terrail, autore principale e Senior Machine Learning Scientist presso Owkin, ha dichiarato:
Grazie ai nostri partner, siamo orgogliosi di aver eseguito un’analisi federata originale su dati medici in condizioni di vita reale e la prima nel suo genere su dati istopatologici. Collegando le istituzioni in modo federato siamo stati in grado di raggiungere la massa critica di dati sul cancro al seno triplo negativo necessari all’IA per scoprire, da sola, modelli istologici predittivi della risposta al trattamento. Ci auguriamo che questa prova di concetto ispiri le istituzioni mediche a collaborare in reti di apprendimento federate al fine di far avanzare la ricerca mantenendo privati i dati dei pazienti.
Julien Guérin, Chief Data Officer presso l’Institut Curie di Parigi, Francia, ha dichiarato:
Abbiamo raggiunto un’importante pietra miliare con l’implementazione di questa infrastruttura di apprendimento federata, mostrando un nuovo approccio all’avanguardia per costruire l’IA nella ricerca sul cancro. Siamo davvero felici di aver fatto parte di questa avventura e speriamo che questo apra prospettive promettenti per il futuro della cura del paziente.
Il dott. Guillaume Bataillon, patologo presso lo IUCT Oncopole di Tolosa, in Francia, ed ex patologo presso l’Institut Curie di Parigi, in Francia, ha dichiarato:
Attraverso questa partnership multidisciplinare, verifichiamo la fattibilità di un approccio di apprendimento federato collaborativo interospedaliero su una questione biologica rilevante. Questo ci ha permesso di creare set di dati eterogenei in pool in modo sicuro e veloce al fine di sviluppare modelli riproducibili, trasferibili e persino interpretabili. Questa prova di concetto ha il potenziale per diventare uno strumento per la decisione terapeutica.
Il dott. Pierre Etienne Heudel, medico oncologo presso il Centre Léon Bérard di Lione, in Francia, ha dichiarato:
L’ascesa della patologia digitale unita all’esplosione di diverse tecniche di apprendimento automatico dovrebbe consentire una medicina sempre più precisa e personalizzata. Inoltre, l’apprendimento federato, ottenuto in questo progetto evitando flussi di dati esterni, facilita e assicura il processo per la futura pratica clinica quotidiana.
Il dottor Magali Lacroix-Triki, patologo presso Gustave Roussy a Villejuif, in Francia, ha dichiarato:
La patologia digitale e l’intelligenza artificiale rappresentano la terza rivoluzione nel mondo della patologia e i patologi sono entusiasti di guidare questo nuovo cambiamento nella loro pratica. L’apprendimento federato, ricerca pionieristica sull’IA nella patologia digitale, ci avvicina di un passo all’identificazione di nuovi biomarcatori in oncologia, garantendo al contempo la privacy e la sicurezza dei dati.
La dott.ssa Camille Franchet, patologa dello IUCT Oncopole di Tolosa, in Francia, ha dichiarato:
Consentendo ai modelli di intelligenza artificiale di essere addestrati su dati multicentrici senza centralizzazione, l’apprendimento federato sblocca uno dei maggiori ostacoli nell’apprendimento automatico sui dati medici senza compromessi per quanto riguarda il rispetto dei dati personali.
A proposito di Owkin
Owkin è un’azienda di biotecnologie AI che utilizza l’intelligenza artificiale per trovare il trattamento giusto per ogni paziente. Colmiamo le sfide di innovazione condivise tra biofarmaci e ricercatori accademici e colmiamo il divario traslazionale tra biologia complessa e nuovi farmaci.
Utilizziamo l’intelligenza artificiale per identificare nuovi trattamenti, ridurre i rischi e accelerare gli studi clinici e costruire strumenti diagnostici che migliorano i risultati dei pazienti. Utilizzando l’apprendimento federato, un pionieristico framework di intelligenza artificiale collaborativa, Owkin consente ai partner medici e biofarmaceutici di sbloccare informazioni preziose da set di dati isolati proteggendo al contempo la privacy dei pazienti e proteggendo i dati proprietari.
Owkin è stata co-fondata da Thomas Clozel MD, un ex assistente professore di oncoematologia clinica, e Gilles Wainrib, un pioniere nel campo dell’apprendimento automatico in biologia, nel 2016. Owkin ha raccolto oltre $ 300 milioni ed è diventato un unicorno grazie agli investimenti dai principali fondi biofarmaceutici (Sanofi e BMS) e fondi di rischio (Fidelity, GV e BPI, tra gli altri).
Apprendimento federato per prevedere la risposta istologica alla chemioterapia neoadiuvante nel carcinoma mammario triplo negativo
CREDITO
Owkin