קונסורציום ביותר מ-20 מדינות רצה לאמן מודל פורץ דרך לגילוי מוקדם של מחלות גנטיות. החסם לא היה טכני אלא משפטי: כללי פרטיות כמו GDPR ו-HIPAA אוסרים להוציא נתוני מטופלים מהמדינה שבה נאספו, כך שמסד נתונים גלובלי יחיד לא היה חוקי ומודלים מקומיים קטנים היו חלשים מכדי להועיל.
מודל חזק כזה צריך מגוון מטופלים רחב ככל האפשר, אבל הדרך המתבקשת, לרכז את כל הסריקות והגנומים במסד נתונים גלובלי אחד, פשוט לא הייתה חוקית. כללי ריבונות הנתונים אוסרים להוציא מידע על מטופלים מהמדינה שבה נאסף, והניסיון לבנות אגם נתונים מרכזי נחסם עוד לפני שהתחיל.
גם אם שמים את החוק רגע בצד, הלוגיסטיקה הייתה בלתי אפשרית. העברת קבצי דימות רפואי ענקיים, כמו סריקות MRI ו-CT, בין יבשות נתקלה חזיתית במגבלות רוחב פס שהפכו כל איסוף מרכזי ללא ישים.
והשותפים לא היו ערוכים לכך. לא הייתה תשתית אחידה ומנוהלת בתוך בתי החולים והמעבדות להרצת אלגוריתמים מורכבים מקומית, כך שגם את יכולת המחשוב לא ניתן היה פשוט להעביר למקום שבו הנתונים ישבו.
לאמן בתוך כל מדינה, ולהעביר רק את מה שהמודל למד, ואף פעם לא רשומת מטופל.
הקמנו רשת של צמתי שרת מבוזרים הממוקמים מקומית בכל מדינה, בתוך תחום השיפוט של הרגולטור המקומי, כך שהעיבוד קורה במקום שבו הנתונים חייבים להישאר על פי חוק.
ארכיטקטורת למידה פדרטיבית מאמנת את המודל המשותף בנפרד בתוך כל מדינה, על נתוני המטופלים המקומיים של אותה מדינה, כך שאף אחד לא צריך לרכז את הנתונים למקום אחד כדי ללמוד מהם.
שכבת נתונים פרטית ומבוזרת מעבירה רק את המשקלים המתמטיים של המודל בין המדינות, ואף פעם לא נתונים קליניים אמיתיים, כך שהמודל הגלובלי מתעדכן ומשתפר בעוד כל רשומת מטופל נשארת בבית.
מכיוון שאף רשומה רגישה לא חוצה גבול לעולם, GDPR, HIPAA וכל כלל ריבונות נתונים מקומי מתקיימים מעצם המבנה, לא באמצעות מדיניות שמודבקת בדיעבד.
קובצי הדימות הכבדים לא זזים לשום מקום; רק מה שהאלגוריתם למד, כמה מגה-בייטים, נוסע בין האתרים, מה שהופך העברה בין-יבשתית מבלתי אפשרית לשגרתית.
המודל הגלובלי המאוחד עדיין לומד מהמגוון הגנטי המלא של יותר מ-20 מדינות, ולוכד את הרוחב שבזכותו אפשר בכלל לזהות מחלות נדירות, בלי לרכז את הנתונים אף פעם.
תואם רגולציה מעצם התכנון, ודווקא משום כך מדויק יותר.
הקונסורציום עמד בכל חוק ריבונות נתונים ופרטיות, קיבל מהרגולטורים אישור לפרויקט הבין-לאומי, ויצא לדרך בתוך חודשים. המודל המאוחד הגיע לדיוק חסר תקדים במחלות נדירות דווקא משום שלמד מהמגוון הגנטי של 20 מדינות.
מכיוון שהסריקות הכבדות נשארו במקום ורק התובנות של המודל נסעו, תעבורת הנתונים הבין-לאומית ירדה ביותר מ-95%, ואף פיסת מידע רגיש של מטופל לא יצאה מעולם ממדינת האם שלה.
ההנחה שכדי לאמן מודל חייבים לרכז נתונים רגישים מתנפצת אל מול חוקי הפרטיות ורוחב הפס. הערך כאן טמון בהיפוך שלה: להשאיר כל רשומה במקום שהחוק דורש, לאמן מקומית, ולשתף רק את המתמטיקה שהמודל למד. התאימות הופכת לתכונה של הארכיטקטורה ולא להבטחה. זו אותה משמעת של פרטיות לפני הכול שמאחורי עבודת האנונימיזציה הרפואית שלנו, מכוונת לאימון חוצה גבולות ולא להסרת זיהוי ממערך נתונים יחיד.
הדאטה הקליני של חברת מדטק היה נעול תחת חוקי פרטיות. מנוע הסרת-זיהוי מבוסס AI הסווה את המזהים הישירים תוך שמירה על הממצאים הקליניים, כשבדיקה אנושית מבטיחה אפס דליפות ועמידה מלאה ב-HIPAA וב-GDPR.
לפרויקט המלא ← מוכנות דאטה · ביטוחה-AI של מבטחת המציא תשובות כי הדאטה שלה היה מקוטע. צינור ניקוי ומטא-דאטה שנבנה מחדש, עם אחזור מסונן לפי הרשאות ורף ודאות של 85%, הפך אותו לאמין עבור עובדי שטח.
לפרויקט המלא ←
Reef TRH