Ziekenhuizen en zorginstellingen beschikken over ongelooflijk waardevolle gegevens van patiënten en deelnemers aan onderzoek die tot belangrijke medische doorbraken kunnen leiden. Maar deze gegevens zijn privé en gevoelig, waardoor het veilig delen ervan een enorme uitdaging is onder strenge privacywetgeving. Om dit op te lossen, hebben Metahelath-onderzoekers Federated Learning (FL) onderzocht, een methode waarbij instellingen computationele/AI-modellen trainen op hun eigen privégegevens en alleen de verkregen inzichten (zoals bijgewerkte modelinstructies) met elkaar delen, nooit de ruwe patiëntendossiers.
Ze hebben een tool ontwikkeld met de naam ‘FedDeepInsight’ die complexe medische tabellen omzet in afbeeldingen (aangezien AI uitstekend is in het analyseren van afbeeldingen), waardoor het FL-proces nauwkeuriger wordt. Uit tests bleek dat door het toevoegen van differentiële privacy (zoals zorgvuldig gecontroleerde digitale ruis) geen individuele patiëntgegevens konden worden achterhaald uit de gedeelde informatie, waardoor een veelbelovende manier werd gecreëerd om de kracht van medische gegevens te ontsluiten en tegelijkertijd deze volledig veilig en privé te houden.
