DESAFIO
Desenvolver uma solução de Inteligência Artificial para o treinamento de modelos de dados médicos que preserve a privacidade dos pacientes e a segurança das informações, conforme a LGPD. O desafio é criar uma plataforma que permita o treinamento colaborativo de algoritmos de aprendizado de máquina sem a necessidade de compartilhar dados entre instituições, superando as barreiras de confidencialidade e proporcionando avanços na área da saúde.
DESENVOLVIMENTO
A plataforma utiliza o conceito de Federated Learning, que permite o treinamento de modelos de dados médicos de forma descentralizada. Cada instituição participante treina o algoritmo com seus próprios dados, sem compartilhá-los com outras instituições. Em seguida, os parâmetros do algoritmo treinado são agrupados em um servidor central, que os agrega em um novo algoritmo. Esse processo é repetido até que os modelos entre as instituições convirjam, resultando em um modelo mais preciso e robusto.
RESULTADO
A plataforma de Federated Learning proporciona melhoria dos diagnósticos, com o modelo de IA treinado de forma colaborativa e com dados de diversas instituições, apresentando maior precisão e capacidade de generalização. Além disso, garante a proteção da privacidade dos dados, já que as informações não são compartilhadas entre as instituições, cumprindo as diretrizes da LGPD. A descentralização do processo de treinamento aumenta a segurança das informações e diminui o risco de vazamentos e ataques cibernéticos. A plataforma facilita a colaboração entre instituições e a criação de modelos de IA mais robustos, impulsionando a pesquisa e a inovação na área da saúde.
