Riepilogo: Uno studio condotto dall’Università di Buffalo ha dimostrato una nuova tecnica di intelligenza artificiale (AI) che utilizza la crittografia completamente omomorfica per rilevare l’apnea notturna con una precisione del 99,56%, proteggendo al contempo la privacy del paziente. Il metodo garantisce che i dati sanitari sensibili rimangano al sicuro mentre vengono elaborati da fornitori cloud di terze parti, affrontando le preoccupazioni relative all’uso improprio dei dati e alle violazioni della privacy. I ricercatori ritengono che questo approccio potrebbe migliorare la diagnosi dell’apnea notturna ed essere applicato ad altri settori dell’assistenza sanitaria che richiedono una rigorosa riservatezza dei dati.
Punti chiave:
- Elevata precisione nel rilevamento dell'apnea notturna: La tecnica AI ha raggiunto una precisione del 99,56% nel rilevamento dell'apnea notturna utilizzando dati ECG crittografati.
- Maggiore privacy dei dati: La crittografia completamente omomorfica garantisce che i dati medici sensibili vengano elaborati in modo sicuro senza rischio di esposizione o uso improprio da parte di fornitori cloud di terze parti.
- Applicazioni sanitarie più ampie: Sebbene lo studio si sia concentrato sull'apnea notturna, il metodo di crittografia potrebbe essere adattato per analizzare i dati di altre procedure mediche, come raggi X, risonanza magnetica e scansioni TC.
L’intelligenza artificiale (AI) ha il potenziale per migliorare la capacità dei medici di diagnosticare e curare l’apnea notturna, ma la tecnologia non è ampiamente adottata a causa del timore che non salvaguardi i dati dei pazienti.
La situazione potrebbe presto cambiare.
Un nuovo studio condotto dall’Università di Buffalo, finanziato da una sovvenzione di 200.000 dollari da parte dell’IBM e della State University di New York, mostra come crittografare in modo sicuro i dati basati sull’intelligenza artificiale mentre viaggiano da fornitori di servizi cloud di terze parti, come Google o Amazon, a medici e operatori sanitari. i loro pazienti.
Il metodo, che si basa su una crittografia completamente omomorfica, si è dimostrato efficace al 99,56% nel rilevare l’apnea notturna da un set di dati di elettrocardiogramma (ECG) deidentificato disponibile per la ricerca. In definitiva, la tecnica potrebbe accelerare e migliorare il rilevamento e il trattamento dell’apnea notturna ed essere utilizzata in altre applicazioni sanitarie in cui la protezione dei dati è fondamentale, affermano i ricercatori.
“Questo lavoro evidenzia come l’elaborazione sicura e crittografata dei dati possa proteggere la privacy dei pazienti pur consentendo strumenti diagnostici avanzati basati sull’intelligenza artificiale. Offre un potenziale significativo per migliorare la sicurezza sanitaria nella diagnosi dell’apnea notturna e in altri ambiti”, afferma il ricercatore capo della ricerca Nalini RathaPhD, professore di innovazione del SUNY Empire nel Dipartimento di Informatica e Ingegneria presso l'Università di Buffalo.
Lo studio è stato pubblicato su Conferenza internazionale 2024 sul riconoscimento dei modellitenutosi dall'1 al 5 dicembre a Calcutta, in India.
Massimizzare i benefici, diminuire i rischi
L’intelligenza artificiale può apportare benefici sia ai medici che ai pazienti, afferma Ratha. L’apprendimento automatico offre numerosi vantaggi, tra cui un’analisi più rapida ed efficiente, la capacità di elaborare grandi volumi di dati e il potenziale per diagnosi più accurate.
Ad esempio, gli algoritmi di deep learning sono addestrati per identificare modelli nei segnali ECG che indicano interruzioni nella respirazione o diminuzione dei livelli di ossigeno durante il sonno, che sono caratteristici dell’apnea notturna. Analizzando grandi quantità di dati ECG, questi modelli possono imparare a rilevare anomalie sottili che potrebbero essere difficili da identificare per i medici umani, ha spiegato.
È solo la diffusione dei dati, così come dei risultati della diagnosi, a preoccupare perché potrebbe violare la privacy del paziente.
“Se un fornitore di servizi cloud come Google o Amazon esegue un'analisi sui miei dati, può potenzialmente capire qual è il mio stato di apnea notturna e quindi iniziare a inviarmi annunci per acquistare questo o quello”, afferma in un comunicato. “I fornitori di servizi cloud potrebbero anche avere accordi con altre società per effettuare vendite incrociate di prodotti. Le informazioni sull'apnea notturna sono destinate esclusivamente al mio medico; non è per il consumo pubblico, soprattutto per generare entrate pubblicitarie dalla mia situazione.
Le compagnie di assicurazione potrebbero anche acquisire i dati e potenzialmente aumentare i premi sui pazienti affetti da apnea notturna perché le loro condizioni sono state rivelate.
“Una volta rotto il primo muro di riservatezza, la perdita di informazioni può costare al paziente in molti modi”, afferma Ratha in un comunicato. “Una volta raccolti tutti questi ECG senza alcun vincolo, puoi provare a creare molti collegamenti non necessari. Se qualcuno invia il proprio ECG a un fornitore di servizi su Internet, è qui che entriamo in gioco noi. Come possiamo impedire a tali fornitori di servizi di utilizzare in modo improprio i dati?”
Elaborazione più rapida ed efficiente dei dati crittografati
È noto che l'analisi basata sulla crittografia omomorfa è più lenta e complessa rispetto ai tradizionali metodi di analisi dei dati non crittografati.
I ricercatori hanno superato questi inconvenienti sviluppando nuove tecniche che ottimizzano le operazioni chiave di deep learning, consentendo al sistema di crittografia omomorfica di funzionare più velocemente e in modo più economico.
Esempi di queste tecniche, che comprendono tutte le fasi di una rete neurale profonda, includono la convoluzione, che è un metodo utilizzato per rilevare modelli; funzioni di attivazione, come un'unità lineare rettificata, che aiuta il modello a prendere decisioni; pooling, utilizzato per ridurre la dimensione dei dati; e il livello completamente connesso, che è una rete neurale in cui ciascun nodo di input è connesso a ciascun nodo di output.
Citando un esempio standard nel dominio della crittografia omomorfica, Ratha ha utilizzato un'analogia aurea per spiegare come funziona il loro sistema di crittografia. “Se vuoi costruire un ornamento con l'oro, ma non vuoi darlo direttamente al gioielliere perché non sai cosa ci mescolerà il gioielliere, mettilo in una scatola”, dice in un rilascio. “Il gioielliere può toccare l’oro, ma non potrà mai tirarlo fuori dalla scatola. La scatola è la nostra crittografia, i dati sono l’oro e il gioielliere è l’algoritmo basato sulla crittografia omomorfa che arriva e tocca i dati ma non riesce a tirarli fuori dalla scatola”.
Ratha sottolinea che, sebbene abbiano utilizzato l’apnea notturna per questo studio, i loro risultati potrebbero applicarsi a molte analisi a partire da dati per immagini a raggi X, risonanza magnetica, scansioni TC e altre procedure mediche.
“Ci sono molte situazioni in cui la privacy è fondamentale”, afferma in un comunicato.
Ulteriori letture per te:
