El 2020 se vio marcado por la pandemia de la COVID-19, que anticipó muchas transformaciones digitales y amplió la necesidad de mayor procesamiento y agilidad por parte de las empresas de tecnología. Durante este período complejo, NVIDIA continúa revolucionando el mercado y lidera un experimento para desarrollar algoritmos de inteligencia artificial con un formato único de aprendizaje unificado (Federated Learning) capaces de asistir en el combate de los casos de COVID-19.
Mediante el aprendizaje unificado, es posible desarrollar mejores algoritmos de IA en menos tiempo. Así, se mantiene la seguridad y el anonimato de los datos utilizados. En este experimento específico, NVIDIA creó una red con más de 20 hospitales, laboratorios de investigación y universidades de renombre del mundo. De Brasil, participó Dasa, líder en medicina diagnóstica en América Latina.
El proceso común consistiría en que cada institución de la red tome los datos que posee, los torne anónimos (un proceso que aún es manual y que lleva tiempo para garantizar más seguridad) y entrene su propia red neuronal. “Usamos radiografías de tórax y datos clínicos para construir un algoritmo que anticipa si el paciente internado necesitará o no ser intubado, por ejemplo. En el escenario de una pandemia, eso optimiza la correcta gestión de camas y es importante para los hospitales” explicó Felipe Kitamura, director de Inteligencia Artificial en Dasa.
“Para optimizar el tiempo y mejorar la seguridad de la información, NVIDIA desarrolló un formato descentralizado de entrenamiento del algoritmo. Dentro del concepto de aprendizaje unificado, cada institución recolectó sus datos y completó sus propios procesos de seguridad de los datos, pero no fue necesario que esa información se enviara a otros lugares. NVIDIA recibió solo datos estadísticos: las correcciones de las redes neuronales de cada lugar en el algoritmo. Después, se compartió el nuevo algoritmo en la red” explicó Marcio Aguiar, director de NVIDIA Enterprise en América Latina. “Eso también hace que el entrenamiento de la IA sea más seguro para el paciente, ya que la información, aunque sea anónima, no se comparte” agregó.
“Es probable que los algoritmos creados a partir de los datos de una única institución no funcionen tan bien en otros lugares. Con el uso del aprendizaje unificado (Federated Learning), el algoritmo resultante es mucho más fuerte y escalable” aseguró Kitamura.
El algoritmo desarrollado con aprendizaje unificado organizado por NVIDIA ayudó a Dasa a crear un algoritmo que resultó ser mucho mejor que el que tendrían si hubiesen utilizado solo datos de exámenes de la población brasileña. Fue posible contar con los datos de diversos lugares del mundo para crear un mejor algoritmo que el que tendría cada institución si utilizara solo sus propios datos. Y lo mejor de todo es que no hubo necesidad de compartir datos, que es lo que diferencia al aprendizaje unificado.
Agilidad y Asertividad Gracias a la Tecnología
Gracias a la agilidad en el procesamiento de los datos, fue posible desarrollar un algoritmo en solo dos semanas y alcanzar un 94% de asertividad. Para llegar a ese resultado en tan poco tiempo y acelerar el procesamiento, se utilizó, en todos los entrenamientos del algoritmo, la tecnología de NVIDIA, como el framework de Federated Learning de NVIDIA Clara y NVIDIA Clara, para entrenar los modelos locales.
El modelo original del algoritmo, denominado CORISK, fue desarrollado por el científico Dr. Quanzheng Li, en Mass General Brigham. Este modelo combina imágenes médicas y registros de salud para ayudar a los médicos a gestionar las internaciones de forma eficaz, en un contexto en que muchos países quizás comiencen a tratar nuevas olas de pacientes con COVID-19.
Además de Dasa en Brasil, hubo otros participantes del proyecto en todo el mundo: Mass General Brigham y sus hospitales afiliados, Children’s National Hospital en Washington, D.C.; NIHR Cambridge Biomedical Research Center; Hospital Central de las Fuerzas de Autodefensa en Tokio; MeDA Lab y MAHC de la Universidad Nacional de Taiwán, y la Administración Nacional de Seguros de Salud de Taiwán; Hospital General Tri-Service en Taiwán; Hospital Universitario Nacional Kyungpook en Corea del Sur; Facultad de Medicina de la Universidad Chulalongkorn en Tailandia; Universidad de California, San Francisco; VA San Diego; Universidad de Toronto; Institutos Nacionales de Salud en Bethesda, Maryland; Facultad de Medicina y Salud Pública de la Universidad de Wisconsin-Madison; Centro Oncológico Memorial Sloan Kettering en Nueva York; y Mount Sinai Health System en Nueva York.