2min

Tags in dit artikel

,

Nvidia experimenteert met een leersysteem voor AI-algoritmes dat in staat is een model te bouwen aan de hand van gevoelige data, zonder dat die data de vertrouwde servers moet verlaten. Het systeem heeft in eerste instantie toepassingen in de gezondheidszorg.

De gezondheidszorg kan veel voordeel halen uit de mogelijkheden van slimme AI-algoritmes. Die kunnen dokters bijstaan in onder andere het stellen van diagnoses, de interpretatie van scans of de uitwerking van een behandeling op maat. De algoritmes moeten echter getraind worden aan de hand van data, en dat is een probleem. Het gros van de relevante gegevens is immers vertrouwelijk en mag dus niet gedeeld worden met een externe partij. De data uploaden naar een server voor analyse is zo geen optie.

Nvidia probeert aan die realiteit tegemoet te komen met Clara Federated Learning. Clara werd speciaal voor de gezondheidssector ontwikkeld. Het leersysteem maakt gebruik van de recent geïntroduceerde EGX-edge-servers van Nvidia. Die zorgen ervoor dat de gevoelige gegevens op hun respectievelijke locaties worden verwerkt. Zo wordt een deel van het model uitgebouwd op een gegeven site zonder dat de data de veilige servers verlaat.

Samenvoegen

De resultaten van die verwerking worden vervolgens wel geüpload en vervolgens samengevoegd tot een totaalmodel. Die resultaten bevatten geen gevoelige data meer, waardoor het geen probleem is om ze off site te verwerken. Het samengevoegde model wordt vervolgens opnieuw verdeeld onder alle site’s, in casu bijvoorbeeld de verschillende hospitalen doe toebehoren aan een enkele groep.

Met de aanpak komt Nvidia tegemoet aan een van de grootste praktische zorgen voor AI binnen de sector. Clara stelt ziekenhuizen in staat om op de AI-trein te springen, zonder dat ze moeten vrezen voor de veiligheid van de gevoelige medische gegevens van patiënten.

Nvidia probeert het systeem momenteel uit in samenwerking met verschillende ziekenhuizen in het VK. Die werken samen met de AI-specialist voor de ontwikkeling van een model dat radiologen moet bijstaan.