Continuando con el anterior artículo, se verá un poco más sobre la inteligencia artificial federada, la cual se detalla su funcionamiento relacionado con las redes generativas adversarias (GAN).
Para comenzar, El desarrollo de Intel y Penn Medicine emplea una técnica de inteligencia artificial (IA) que permite proteger la privacidad, es decir, sin necesidad de compartir datos de pacientes, y se denomina aprendizaje federado, en inglés federating learning; desarrollada por Google.
Esta técnica permite que los datos permanezcan en el dispositivo del usuario bajo su control para preservar su privacidad. Para eso, el dispositivo utiliza un modelo y parámetros independientemente; en lugar de los datos. En el campo de la imagen médica, se ha demostrado que este tipo de aprendizaje federado es capaz de entrenar un modelo con una precisión al 99% que de un modelo entrenado sin protección de privacidad.
Para ello, hay que emplear dos redes neuronales, conocido como redes generativas antagónicas (GAN), las cuales se enfrentan en un juego digital como la persecución del gato y perro, en las que ambas redes son entrenadas para un mismo conjunto de datos que trabajan a dúo. Unas de las redes neuronales genera fotos de pacientes de forma realista que ya han visto mientras que la otra red neuronal se le conoce como discriminador para identificar si la imagen que está viendo pertenece al conjunto de datos original o si es una imagen falsa producida por la red generativa. Entonces cuando la red generadora engaña a la discriminadora, significa que los datos son muy parecidos a los datos reales, y los pacientes son muy reales, ya que el patrón que se generó es muy coherente, porque se conservan entre si muchas variables. Es un método que actualmente se está aplicando en los sistemas de datos en la salud, para generar datos falsos para proteger la información personal, aunque con unas características reales.
Hoy en día, científicos de todo el mundo están desarrollando la base teórica para estas redes y otras técnicas de aprendizaje automático para acelerar y mejorar el campo de la medicina, como es el proceso de descubrimiento de fármacos. Por ejemplo, gracias a la generación de nuevas moléculas diseñadas que sean dianas de una proteína en concreto del tejido afectado. Usando esta forma de inteligencia artificial, las moléculas fueron validadas in vitro e in vivo en sólo 46 días.
En resumen, las redes generativas antagónicas son una forma de “imaginación artificial” y se utilizan comúnmente para generar imágenes con propiedades específicas; es sin duda un avance impresionante y probablemente aplicable a muchos otros problemas en el proyecto de drogas, que incluye modelado molecular, mediciones de afinidad y estudios en animales.
Perséfone
Exploitables es una comunidad de ciberseguridad y tecnología nacida en Málaga. Queremos compartir conocimientos de manera desinteresada.
