Щоб прискорити впровадження 4п-медицини і збільшити її потенціал, потрібно ефективно обмінюватися клінічними даними про велику кількість людей між усіма зацікавленими сторонами. Однак дані складно зібрати: вони зберігаються в різних лікарнях, медичних кабінетах і клініках по всьому світу. Ризики конфіденційності, пов’язані з розкриттям медичних даних, також викликають серйозну заклопотаність, і без ефективних технологій збереження конфіденційності у 4п-медицини занадто багато перешкод у розвитку.
Існуючі підходи зазвичай мають обмеження в захисті конфіденційності пацієнтів, наприклад, пропонуючи, щоб установи ділилися проміжними результатами, а це, в свою чергу, може призвести до витоку приватної інформації на рівні пацієнта. Або в жертву приноситься точність результатів: до даних додається шум, щоб знизити обсяг потенційної витоку.
Дослідники з федеральної політехнічної школи лозанни (epfl) у співавторстві з фахівцями з університетської лікарні лозанни, лабораторії штучного інтелекту та інституту броуда mit, а також з гарварду, розробили систему під назвою famhe. Ця система дозволяє різним постачальникам медичних послуг спільно виконувати статистичний аналіз і розробляти моделі машинного навчання без обміну базовими наборами даних.
Нова система дозволяє досягти компромісу між безпекою даних, точністю результатів досліджень і практичним часом обчислень — трьома найважливішими показниками в області біомедичних досліджень. Зображення: epfl
У статті, що вийшла в nature communications, говориться, що основна відмінність між famhe та іншими підходами полягає в тому, що нова система масштабується і математично доведена її висока безпека.
Обидва прототипи famhe точно і ефективно відтворили два опублікованих мультицентричних дослідження, які базувалися на централізації даних та юридичних контрактах на централізовані дослідження передачі даних, включаючи аналіз виживання каплана-мейєра в онкології та повногеномні дослідження асоціацій в медичній генетиці. Іншими словами, прототипи показали, що ті ж наукові результати могли бути досягнуті, навіть якщо набори даних не були передані та централізовані. Час отримання результатів при цьому залишався в межах допустимого.
Famhe використовує багатостороннє гомоморфне шифрування, тобто здатна проводити обчислення на основі даних в зашифрованому вигляді з різних джерел без їх централізації і без того, щоб будь-яка зі сторін могла бачити дані інших учасників.
Автори розробки вважають, що технологія не тільки зробить революцію в клінічних дослідженнях на декількох майданчиках, але також розширить можливості співпраці щодо конфіденційних даних в інших областях.
Сама поява системи кардинально змінює правила гри в області персоналізованої біомедицини. Адже, поки такого роду рішення не існувало, альтернативою йому було укладення двосторонніх угод про передачу і використання даних. Але для цього потрібні місяці обговорень. Fahme ж пропонує рішення, яке дозволяє раз і назавжди узгодити набір інструментів, який буде використовуватися, а потім масштабувати його.
