Livre blanc du RLS-Digital Health Apprentissage fédéré et analyse décentralisée des données pour une recherche collaborative en santé à l'échelle nationale et internationale
Creators
- RLS-Digital Health Group
- Consortium Santé Numérique Université de Montréal
- Fonds de Recherche du Québec – Nature et Technologies
- Friedrich-Alexander-Universitat
- Salzburg Federal Hospital
- Shandong First Medical University
- Software Competence Center Hagenberg (Austria)
- Technical University of Munich
- University of Georgia
- University of Sao Paulo
Description
Le présent livre blanc porte sur les progrès en matière de données massives et d’IA en santé, et s’intéresse à une tendance centrale dans le domaine de la santé numérique, à savoir l’apprentissage fédéré et l’analyse décentralisée des données. Ces approches proposent d’exploiter tout le potentiel des données de santé en permettant une utilisation sécurisée de sources multiples sans avoir à les regrouper sur un seul site (AbdulRhaman, 2020). L’apprentissage fédéré et l’analyse décentralisée des données peuvent ainsi être présentés comme une réponse aux défis juridiques, éthiques et techniques actuels qui restreignent le partage des données entre les institutions et les juridictions et réduisent ainsi notre capacité à mener des recherches collaboratives à l’échelle nationale et internationale (Kairouz et collab., 2021). Si l’apprentissage fédéré et l’analyse décentralisée des données offrent de réelles opportunités d’amélioration de la recherche et de l’innovation fondées sur les données massives et l’IA, ces approches soulèvent toutefois plusieurs enjeux tels que la protection de la vie privée, la fiabilité des données et l’utilisation judicieuse des ressources. Ces enjeux constituent quelques-unes des questions explorées dans le présent document.
Ce livre blanc explore ainsi tout le potentiel et les défis de l’apprentissage fédéré et de l’analyse décentralisée des données pour la recherche collaborative dans le domaine de la santé numérique. Il décrit également des plateformes et des technologies robustes qui démontrent comment l’apprentissage fédéré et l’analyse décentralisée peuvent être mis en application dans les systèmes de santé d’aujourd’hui.
La collaboration entre les membres de RLS-Digital Health a ainsi permis de mettre en lumière des projets qui constituent des manifestations éloquentes des promesses de l’apprentissage fédéré et de l’analyse décentralisée pour la recherche et l'innovation fondées sur les données de santé. En s’appuyant sur ces initiatives inspirantes, ce livre blanc présente les éléments clés qui pourraient favoriser la mise en place d’infrastructures performantes permettant de connecter et d’analyser des sources de données de haute qualité et en temps réel, tout en garantissant la mise en place des meilleures normes de protection et de standardisation des données. Ces éléments pourraient nous aider à définir et à construire ensemble un modèle pour une recherche collaborative axée sur les données à l’échelle nationale et internationale, qui pourrait profiter aux chercheurs, aux innovateurs, aux décideurs et aux patients.
Retrouvez la version anglaise ce livre blanc ICI.
Files
RLS-Sciences_LivreBlanc_apprentissagefédéré_vf.pdf
Files
(3.3 MB)
Name | Size | Download all |
---|---|---|
md5:d25010193bf820d094ee472e23edb5f0
|
3.3 MB | Preview Download |