Un progetto di: HEAL ITALIA, Università di Bologna e Università di Firenze
Il raggruppamento di dati medici provenienti da più centri consente di riunire gruppi estesi di soggetti, aumentare la potenza statistica e promuovere il riutilizzo dei dati con tecniche di machine learning. L’armonizzazione dei dati multicentrici è necessaria per ridurre l’effetto confondente associato a fonti di variabilità non biologiche nei dati. Tuttavia, se applicata all’intero set di dati prima delle tecniche di machine learning, l’armonizzazione porta a data leakage, poiché le informazioni esterne al set di addestramento possono influenzare la costruzione del modello e potenzialmente sovrastimare falsamente le prestazioni.
In questo progetto si propone una misura dell’efficacia dell’armonizzazione dei dati e una tecnica di armonizzazione che ne consenta l’incapsulamento tra le fasi di preelaborazione di una pipeline di machine learning, evitando data leakage by design. Dopo l’armonizzazione, l’effetto del sito è stato rimosso o ridotto e abbiamo dimostrato l’effetto di data leakage nella predizione dell’età cronologica dai dati di risonanza magnetica, evidenziando come l’uso corretto dell’armonizzazione in una pipeline di machine learning consente di evitare data leakage by design.
Obiettivi e benefici
Il progetto proposto permette di armonizzare dati medici multicentrici, riducendo l’effetto confondente delle variabilità non biologiche, e di conseguenza migliorando la qualità e l’affidabilità delle analisi di machine learning. L’innovativa tecnica di armonizzazione evita il data leakage, assicurando che le performance del modello di machine learning siano realistiche e non sovrastimate. Questo approccio potenzia la capacità di sfruttare grandi dataset, promuovendo l’avanzamento delle ricerche mediche e offrendo strumenti più robusti per la predizione e la medicina di precisione.
Tecnologie abilitanti
Queste tecnologie hanno permesso di gestire e analizzare grandi volumi di dati medici provenienti da più centri, accelerando i processi di elaborazione e analisi. Hanno inoltre offerto strumenti avanzati per migliorare l’accuratezza e la precisione dei modelli di machine learning, rendendo possibile l’identificazione di pattern complessi e promuovendo scoperte innovative nel campo medico.