El Grup de Radiòmica del VHIO participa en aquest nou projecte europeu
L’1 de gener del 2023, va començar oficialment un nou projecte de recerca finançat per la Unió Europea que estableix un Consorci obert per a l’aplicació d’intel·ligència artificial en medicina de forma descentralitzada (ODELIA), amb l’objectiu de revolucionar la cura de la salut mitjançant l’ús de Swarm Learning o aprenentatge d’eixams.
Durant els propers cinc anys, el projecte té com a objectiu superar els obstacles de la recopilació de dades en la cura de la salut utilitzant l’aprenentatge d’eixams, en què l’equip de científics del projecte treballarà per entrenar models d’intel·ligència artificial sense necessitat de compartir cap dada personal del pacient. Per tant, ODELIA trencarà els límits de l’intercanvi de dades i accelerarà l’aplicació d’intel·ligència artificial mèdica a Europa en benefici dels ciutadans, pacients i metges europeus.
Els models d’Intel·ligència Artificial en la cura de la salut tenen l’enorme potencial de millorar la presa de decisions a la rutina clínica, cosa que dona com a resultat un diagnòstic, pronòstic i tractament de malalties més aviat, millor i més precís.
Un dels principals reptes per a la implementació de models d’intel·ligència artificial en la cura de la salut és la manca de conjunts de dades prou grans per entrenar aquests models. Això és especialment limitant en el desenvolupament d’eines de detecció del càncer, on la recopilació de dades s’enfronta a obstacles pràctics, ètics i legals greus. ODELIA té com a objectiu superar aquests obstacles mitjançant la implementació de l’aprenentatge d’eixams, un enfocament nou per a l’entrenament de models d’intel·ligència artificial que permet aprendre de dades mèdiques, sense compartir cap dada confidencial, preservant per tant la privadesa dels pacients.
El principal objectiu d’ODELIA és construir el primer programari de codi obert per a aprenentatge d’eixams, proporcionant una eina valuosa per al desenvolupament optimitzat de solucions d’intel·ligència artificial en medicina.
L’equip de recerca del projecte col·laborarà per desenvolupar el primer algorisme d’intel·ligència artificial clínicament útil per a la detecció de càncer de mama en imatges de ressonància magnètica, utilitzant una base de dades no centralitzada. Això no només brindarà una aplicació mèdica útil, sinó que també demostrarà el benefici clínic de l’aprenentatge d’eixam en termes de desenvolupament accelerat, amb més rendiment i capacitat de generalització dels resultats per millorar el tractament i l’atenció mèdica per als pacients a Europa .
S’espera que l’èxit del projecte ODELIA impulsi el creixement exponencial de la xarxa d’Aprenentatge d’Eixams i permeti estendre el seu ús a una multitud d’aplicacions mèdiques. Això proporcionarà als pacients, proveïdors d’atenció mèdica i ciutadans a Europa una infraestructura digital que permeti el desenvolupament d’eines d’intel·ligència artificial de nivell expert a Big data sense comprometre la seguretat i la privadesa de les dades.
“Estem encantats de llançar oficialment el projecte ODELIA i començar a treballar cap al nostre objectiu d’establir un marc d’aprenentatge d’eixam de codi obert”, diu el Dr. Daniel Truhn de l’Hospital Universitari d’Aquisgrà, un dels dos coordinadors científics del projecte.
“L’Aprenentatge d’Eixam té el potencial d’abordar els desafiaments de la recopilació de dades i proporcionar un marc per a la col·laboració en l’entrenament d’eines d’Intel·ligència Artificial i, en darrer terme, millorar la qualitat de l’atenció mèdica per als pacients a Europa”, va dir el professor Jakob N. Kather de l’Else Kröner Fresenius Center for Digital. Health a Technische Universität a Dresden, que actua com l’altre Coordinador Científic d’ODELIA.
El Grup de Radiòmica del VHIO liderat per la Dra. Raquel Pérez-López se centra en l’aplicació de biomarcadors d’imatges i radiòmica per al descobriment del càncer i en l’avenç de les imatges de precisió a la medicina personalitzada per, en última instància, millorar els resultats dels pacients amb càncer. El Grup de Radiòmica participarà en la implementació de la plataforma d’aprenentatge d’eixams multicèntric. Tenint en compte l’àmplia experiència dels grups de Radiòmica i Càncer de Mama del VHIO en estudis multicèntrics i la seva participació en altres consorcis europeus, tots dos col·laboraran en el desenvolupament d’un model d’aprenentatge en eixam per millorar el cribratge mitjançant ressonància magnètica del càncer de mama. A més, els investigadors del VHIO brindaran suport per complir tots els requisits ètics i logístics locals i brindaran retroalimentació i suport tècnic en el desenvolupament de programari de front-end
Què són els models d’aprenentatge d’eixam en intel·ligència artificial?
La intel·ligència d’eixam és una forma d’aprenentatge i de presa de decisions basada en sistemes descentralitzats autoorganitzats. Es basa en exemples presos de la natura com els eixams d’abelles o les bandades d’ocells que actuen i reaccionen com un grup i on l’aportació de qualsevol dels seus membres pot alterar el comportament de tot el grup. En el context de la intel·ligència artificial es compon d’una xarxa de dispositius capaç de generar i processar dades.
Sobre ODELIA
El consorci ODELIA reuneix socis de dotze institucions acadèmiques i socis industrials de tot Europa: Institut Europeu de Investigació d’Imatges Biomèdiques (Àustria), Hospital Universitari d’Aquisgrán (Alemanya), Vall d’Hebron Institut d’Oncologia(Espanya), Mitera Hospital (Grècia) , Radboud University Medical Center (Països Baixos), University Medical Center Utrecht (Països Baixos), Ribera Salud (Espanya), Fraunhofer Institute for Digital Medicine MEVIS (Alemanya), OSIMIS (Bèlgica), Technische Universität Dresden (Alemanya), University of Zurich (Suïssa) i la University of Cambridge (Regne Unit). El projecte te una duració de gener de 2023 a desembre de 2027. Amb un finançament total de 8 691 755,00 €.
Més informació: www.odelia.ai
The ODELIA project receives funding from the European Union’s Horizon Europe research and innovation programme under grant agreement No 101057091.
Funded by the European Union. Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union or the European Health and Digital Executive Agency (HADEA). Neither the European Union nor the granting authority can be held responsible for them.
