Model baru meningkatkan akurasi pembelajaran mesin dalam diagnosis COVID-19 sambil menjaga privasi

Para peneliti di Inggris dan China telah mengembangkan model kecerdasan buatan (AI) yang dapat mendiagnosis COVID-19 serta panel ahli radiologi profesional, sambil menjaga privasi data pasien.

Tim internasional, yang dipimpin oleh Universitas Cambridge dan Universitas Sains dan Teknologi Huazhong, menggunakan teknik yang disebut pembelajaran federasi untuk membangun model mereka. Menggunakan pembelajaran gabungan, model AI di satu rumah sakit atau negara dapat dilatih dan diverifikasi secara independen menggunakan kumpulan data dari rumah sakit atau negara lain, tanpa berbagi data.

Para peneliti mendasarkan model mereka pada lebih dari 9.000 CT scan dari sekitar 3.300 pasien di 23 rumah sakit di Inggris dan Cina. Milik mereka hasil, dilaporkan dalam jurnal Kecerdasan Mesin Alam, menyediakan kerangka kerja di mana teknik AI dapat dibuat lebih tepercaya dan akurat, terutama di bidang-bidang seperti diagnosis medis di mana privasi sangat penting.

AI telah memberikan solusi yang menjanjikan untuk menyederhanakan diagnosis COVID-19 dan krisis kesehatan masyarakat di masa depan. Namun, kekhawatiran seputar keamanan dan kepercayaan menghambat pengumpulan data medis representatif berskala besar, yang merupakan tantangan untuk melatih model yang dapat digunakan di seluruh dunia.

Pada hari-hari awal pandemi COVID-19, banyak peneliti AI bekerja untuk mengembangkan model yang dapat mendiagnosis penyakit tersebut. Namun, banyak dari model ini dibuat menggunakan data berkualitas rendah, kumpulan data ‘Frankenstein’, dan kurangnya masukan dari dokter. Banyak peneliti yang sama dari studi saat ini menyoroti bahwa model sebelumnya tidak cocok untuk penggunaan klinis pada musim semi 2021.

“AI memiliki banyak keterbatasan dalam hal diagnosis COVID-19, dan kami perlu menyaring dan mengkurasi data dengan hati-hati sehingga kami mendapatkan model yang berfungsi dan dapat dipercaya,” kata rekan penulis Hanchen Wang dari Cambridge’s Departemen Teknik. “Di mana model sebelumnya mengandalkan data sumber terbuka yang sewenang-wenang, kami bekerja dengan tim besar ahli radiologi dari NHS dan Grup Rumah Sakit Tongji Wuhan untuk memilih data, sehingga kami mulai dari posisi yang kuat.”

Para peneliti menggunakan dua set data validasi eksternal yang dikuratori dengan baik dengan ukuran yang sesuai untuk menguji model mereka dan memastikan bahwa model tersebut akan bekerja dengan baik pada set data dari rumah sakit atau negara yang berbeda.

“Sebelum COVID-19, orang tidak menyadari betapa banyak data yang Anda perlu kumpulkan untuk membangun aplikasi AI medis,” kata rekan penulis Dr Michael Roberts dari AstraZeneca dan Departemen Matematika Terapan dan Fisika Teoritis Cambridge. “Rumah sakit yang berbeda, negara yang berbeda, semuanya memiliki cara mereka sendiri dalam melakukan sesuatu, jadi Anda memerlukan kumpulan data sebesar mungkin untuk membuat sesuatu yang berguna bagi banyak dokter.”

Para peneliti mendasarkan kerangka kerja mereka pada CT scan tiga dimensi, bukan gambar dua dimensi. CT scan menawarkan tingkat detail yang jauh lebih tinggi, menghasilkan model yang lebih baik. Mereka menggunakan 9.573 CT scan dari 3.336 pasien yang dikumpulkan dari 23 rumah sakit yang berlokasi di China dan Inggris.

Para peneliti juga harus mengurangi bias yang disebabkan oleh kumpulan data yang berbeda, dan menggunakan pembelajaran gabungan untuk melatih model AI umum yang lebih baik, sambil menjaga privasi setiap pusat data dalam pengaturan kolaboratif.

Untuk perbandingan yang adil, para peneliti memvalidasi semua model pada data yang sama, tanpa tumpang tindih dengan data pelatihan. Tim memiliki panel ahli radiologi yang membuat prediksi diagnostik berdasarkan rangkaian CT scan yang sama, dan membandingkan keakuratan model AI dan profesional manusia.

Para peneliti mengatakan model mereka berguna tidak hanya untuk COVID-19, tetapi untuk penyakit lain yang dapat didiagnosis menggunakan CT scan. “Saat ada pandemi berikutnya, dan ada banyak alasan untuk percaya bahwa akan ada, kita akan berada dalam posisi yang jauh lebih baik untuk memanfaatkan teknik AI dengan cepat sehingga kita dapat memahami penyakit baru dengan lebih cepat,” kata Wang.

“Kami telah menunjukkan bahwa enkripsi data medis adalah mungkin, jadi kami dapat membangun dan menggunakan alat ini sambil menjaga privasi pasien lintas batas internal dan eksternal,” kata Roberts. “Dengan bekerja sama dengan negara lain, kita bisa melakukan lebih dari yang bisa kita lakukan sendiri.”

Para peneliti sekarang berkolaborasi dengan WHO Hub for Pandemic and Epidemic Intelligence yang baru didirikan, untuk mengeksplorasi kemungkinan memajukan kerangka kerja perawatan kesehatan digital yang menjaga privasi.

Sumber: Universitas Cambridge