Un punto de inflexión en la criptografía para la investigación biomédica a gran escalera

0 1


La medicina predictiva, preventiva, personalizada y participativa, conocida como P4, es la asistencia sanitaria del futuro. Para acelerar su adopción y maximizar su potencial, los datos clínicos sobre un gran número de personas deben compartirse de manera eficiente entre todas las partes interesadas. Sin embargo, los datos son difíciles de recopilar. Está escondido en hospitales individuales, consultorios médicos y clínicas de todo el mundo. Los riesgos de privacidad derivados de la divulgación de datos médicos también son una seria preocupación y, sin tecnologías de privacidad efectivas, se han convertido en un obstáculo para el avance de la medicina P4.

Los enfoques existentes brindan solo una protección limitada de la privacidad del paciente al exigir que las instituciones compartan resultados intermedios, lo que a su vez puede filtrar información confidencial a nivel del paciente o sacrificar la precisión de los resultados al agregar ruido a los datos para mitigar las pérdidas potenciales.

Ahora, investigadores del Laboratorio de Seguridad de Datos EPFL, en colaboración con colegas del Hospital Universitario de Lausana (CHUV), MIT CSAIL y el Instituto Broad del MIT y Harvard, han desarrollado «FAMHE». Este sistema de análisis federado permite que varios proveedores de atención médica realicen análisis estadísticos en colaboración y desarrollen modelos de aprendizaje automático, todo sin intercambiar conjuntos de datos subyacentes. FAHME encuentra el punto óptimo entre la protección de datos, la precisión de los resultados de la investigación y el tiempo de cálculo práctico, tres dimensiones críticas en el campo de la investigación biomédica.

En un artículo publicado en Comunicaciones de la naturaleza El 11 de octubre, el equipo de investigación dice que la diferencia crucial entre FAMHE y otros enfoques que intentan superar los desafíos de privacidad y precisión es que FAMHE funciona a gran escala y se ha demostrado matemáticamente que es seguro, lo cual es imprescindible debido a la sensibilidad del datos.

En dos implementaciones prototípicas, FAMHE reprodujo de manera precisa y eficiente dos estudios multicéntricos publicados que se basaban en la centralización de datos y contratos legales personalizados para estudios de transferencia de datos centralizados, incluido el análisis de supervivencia de Kaplan-Meier en oncología y estudios de asociación genómica en genética médica. En otras palabras, demostraron que se podrían haber logrado los mismos resultados científicos incluso si los conjuntos de datos no se hubieran transferido y centralizado.

«Hasta ahora, nadie ha podido reproducir estudios que demuestren que el análisis federado funciona a gran escala. Nuestros resultados son precisos y se obtienen con un tiempo de cálculo razonable. FAMHE utiliza criptografía homomórfica multiparte, que es la capacidad de realizar cálculos sobre los datos en su forma encriptada en diferentes fuentes sin centralizar los datos y sin que ninguna parte vea los datos de las otras partes «, dice el profesor Jean-Pierre Hubaux de EPFL, principal autor principal del estudio.

«Esta tecnología no solo revolucionará los estudios de investigación clínica en múltiples sitios, sino que también permitirá y fortalecerá las colaboraciones sobre datos sensibles en muchos campos diferentes como seguros, servicios financieros y ciberdefensa, entre otros», agrega el investigador senior de EPFL. . Juan Troncoso-Pastoriza. .

La privacidad de los datos de los pacientes es una preocupación clave del Hospital Universitario de Lausana. «La mayoría de los pacientes quieren compartir sus datos de salud para el avance de la ciencia y la medicina, pero es esencial garantizar la confidencialidad de dicha información sensible. FAMHE permite búsquedas colaborativas seguras de datos de pacientes a una escala sin precedentes», dice el profesor Jacques Fellay de la Unidad de medicina de precisión CHUV.

«Este es un punto de inflexión hacia la medicina personalizada, porque, mientras no exista este tipo de solución, la alternativa es establecer acuerdos bilaterales de transferencia y uso de datos, pero estos son ad hoc y requieren meses de discusiones para asegurar que sus datos estará adecuadamente protegido cuando esto suceda. FAHME proporciona una solución que permite de una vez por todas acordar la caja de herramientas para usar y luego distribuirla «, dice la profesora Bonnie Berger del MIT, CSAIL y Ampio.

«Este trabajo sienta una base clave sobre la cual construir algoritmos de aprendizaje federados para una variedad de estudios biomédicos de manera escalable. Es emocionante pensar en posibles desarrollos futuros de herramientas y flujos de trabajo habilitados por este sistema para respaldar diversas necesidades analíticas en biomedicina. «dice el Dr. Hyunghoon Cho del Broad Institute.

Entonces, ¿qué tan rápido y en qué medida esperan los investigadores que se difunda esta nueva solución? «Estamos en conversaciones avanzadas con socios en Texas, los Países Bajos e Italia para implementar FAMHE a gran escala. Queremos que esto se integre en las operaciones de investigación médica de rutina», dice el Dr. CHUV Jean Louis Raisaro, uno de los investigadores principales de Yo estudio.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More