Swarm Learning per sistemi decentralizzati e privacy-preserving in ambito healthcare

Nei prossimi 10 anni, si prevede che l'Intelligenza Artificiale avrà un impatto profondo nell'ambito della digital health. Tuttavia, l'addestramento di sistemi di Intelligenza Artificiale robusti richiede un numero elevato di dati, la cui raccolta è limitata da ostacoli pratici, etici e legali. Per facilitare l'integrazione di dati medici di ogni tipo, senza violare le leggi sulla privacy, viene introdotto lo Swarm Learning, un approccio Machine Learning decentralizzato per una gestione dei dati sicura, scalabile e privata. Esso combina edge computing con una rete peer-to-peer coordinata da una blockchain, mantenendo allo stesso tempo la riservatezza senza la necessità di dipendere da un gestore centrale; in questo modo è possibile superare le problematiche legate al Federated Learning. Per illustrare la fattibilità dell'adozione dello Swarm Learning per lo sviluppo di classificatori di malattie utilizzando dati distribuiti, viene mostrato un progetto che si concentra sulla diagnosi di polmonite, creando la rete Swarm con il framework Hewlett Packard Enterprise per lo Swarm Learning. Come parte dello studio, sono state esaminate circa 10.000 immagini di radiografie toraciche, tramite un modello di rete neurale, utilizzando questa tecnica di apprendimento decentralizzato. Al termine, viene dimostrato come il classificatore implementato fornisca risultati migliori rispetto a quelli ottenuti in locale nei singoli siti; inoltre, soddisfa completamente le norme sulla confidenzialità grazie alle sue proprietà intrinseche.