O uso de IA na saúde depende de informações que costumam estar espalhadas entre hospitais, laboratórios, universidades e sistemas públicos. Em vez de levar esses dados para uma grande base central, a computação federada propõe outro caminho: executar análises e modelos nos ambientes onde as informações já estão armazenadas.
Análise Federada
Na análise federada, uma instituição executa localmente uma consulta ou algoritmo autorizado e retorna resultados permitidos, como indicadores ou estatísticas agregadas. Essa modalidade permite extrair conhecimento coletivo de bases distribuídas.
Aprendizado Federado
No aprendizado federado, o modelo é treinado ou validado com dados mantidos na origem. Essa modalidade permite desenvolver e validar modelos de IA sobre essas bases.
Dados Locais, Conhecimento Compartilhado
Essa arquitetura pode ser útil quando os dados necessários para uma pesquisa ou modelo estão distribuídos entre organizações autônomas e sujeitas a restrições de privacidade, propriedade intelectual, segurança ou regulação. O objetivo não é criar um fluxo indiscriminado de informações, mas definir o que pode circular em cada tarefa.
Execução de Análises e Modelos em Ambientes Distribuídos
A rede pode usar credenciais, chaves criptográficas e registros de auditoria para autenticar participantes e documentar as operações. Cada instituição define quais análises podem ser executadas em seus sistemas e sob quais regras.
Conexão entre Instituições
Para que instituições diferentes obtenham resultados comparáveis, é necessário preparar e padronizar os dados em cada ambiente. Isso inclui alinhar variáveis, terminologias, unidades de medida e critérios de análise, além de lidar com informações incompletas.
Desafios de Conectar o Que Já Existe
Entre os exemplos de aplicação, está a possibilidade de uma rede de evidências sobre a jornada de pacientes com câncer. Nesse desenho ainda em estudo, unidades do SUS poderiam realizar análises e validações conjuntas, mantendo os dados clínicos sob sua própria custódia e compartilhando apenas os resultados necessários.
Conclusão
A computação federada propõe uma nova abordagem para o uso da IA na saúde, permitindo a colaboração entre instituições sem a necessidade de mover dados para uma base central. Isso pode ampliar a diversidade das evidências disponíveis para pesquisa e desenvolvimento de IA, sem inviabilizar o trabalho conjunto entre as instituições.
Tags
- Computação Federada
- IA na Saúde
- Análise Federada
- Aprendizado Federado
- ConvergeCore
- RNDS
- Nuvem Soberana do SUS