קונסורציום ביותר מ-20 מדינות רצה לאמן מודל פורץ דרך לגילוי מוקדם של מחלות גנטיות. החסם לא היה טכני, הוא היה החוק: כללי פרטיות כמו GDPR ו-HIPAA אוסרים להוציא נתוני מטופלים מהמדינה שבה נאספו, כך שמסד נתונים גלובלי יחיד היה לא חוקי ומודלים מקומיים קטנים היו חלשים מכדי להיות משמעותיים.
מודל חזק כזה צריך מגוון רחב ככל האפשר של מטופלים, אבל הגישה המתבקשת, לרכז את הסריקות והגנומים של כולם למסד נתונים גלובלי אחד, הייתה לא חוקית לחלוטין. כללי ריבונות נתונים פירושם שנתוני מטופלים לא יכולים לצאת מהמדינה שבה נאספו, והניסיון לבנות אגם נתונים מרכזי נחסם עוד לפני שהתחיל.
גם אם שמים את החוק רגע בצד, הלוגיסטיקה הייתה בלתי אפשרית. העברת קבצי דימות רפואי עצומים, סריקות MRI ו-CT, בין יבשות נתקלה ישירות במגבלות רוחב פס שהפכו איסוף מרכזי לבלתי 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.
מארג נתונים פרטי מעביר 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 זיהוי מחלות נדירות בכלל עובד, בלי לרכז את הנתונים אף פעם.
תואם רגולציה מעצם התכנון, ומדויק יותר בזכות זה.
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 בדיוק מכיוון 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 נשברת על חוקי הפרטיות ועל רוחב הפס. הערך כאן הוא 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 בעוד הוא שומר 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