L’intelligence artificielle (IA) peut aider à analyser les images médicales et à planifier les radiothérapies. Cependant, la formation de modèles d’IA puissants nécessite de grandes quantités de données sensibles sur les patients. Des chercheurs de l’Institut technologique de Karlsruhe (KIT) ont étudié comment les hôpitaux peuvent développer conjointement des modèles d’IA pour des applications en radiothérapie sans échanger ces données. Pour ce faire, ils utilisent l’apprentissage fédéré, dans lequel un modèle est formé de manière décentralisée tandis que les données restent sur place. Les résultats montrent non seulement la faisabilité technique, mais également une utilisation plus sûre, plus durable et plus accessible.
L’échange de données médicales entre hôpitaux est souvent limité par les réglementations en matière de protection des données et par des obstacles organisationnels. Cela rend difficile le développement d’applications d’IA robustes. Avec l’apprentissage fédéré, les données des patients restent dans les hôpitaux respectifs. Les institutions participantes entraînent leurs modèles sur place et échangent uniquement des informations sur les ajustements du modèle. Les connaissances de plusieurs cliniques peuvent ainsi être mises en commun sans stockage ni transmission centralisée de données de santé sensibles. L’approche n’est pas nouvelle dans le domaine des soins de santé. Les chercheurs du KIT l’ont maintenant développé spécifiquement pour des applications en radiothérapie.
