WEBVTT 00:00:00.000 --> 00:00:10.000 Mi nombre es Jayavanth y soy ingeniero en Onai. Hoy hablaré sobre nuestro proyecto de análisis escalable de registros médicos, financiado po 00:00:10.000 --> 00:00:20.000 r la NSF El problema es que los registros médicos son información sumamente importante, pero no tenemos una buena manera de estudiarlos a gr 00:00:20.000 --> 00:00:30.000 an escala. Tradicionalmente, los estudios se realizaban en hospitales individuales, utilizando los registros de ese mismo hospital. Aún ahí, 00:00:30.000 --> 00:00:40.000 el proceso es laborioso, con residentes y estudiantes transcribiendo manualmente datos en hojas de cálculo. Este proceso también es muy lent 00:00:40.000 --> 00:00:50.000 o. En situaciones como la de la COVID-19, esto es inaceptable: no queremos esperar hasta que un hospital reúna suficientes datos para realiz 00:00:50.000 --> 00:01:00.000 r estudios estadísticamente significativos. Eso fue lo que terminó ocurriendo, quiero decir, eso es lo que usualmente ocurre. Pero realmente 00:01:00.000 --> 00:01:10.000 lo queremos es obtener resultados en las etapas tempranas de la propagación. Para lograrlo, necesitamos poder realizar estudios agregados e 00:01:10.000 --> 00:01:20.000 tre varios hospitales. Existen preguntas muy básicas que uno pensaría que serían fáciles de responder en esta era moderna, pero no lo fueron 00:01:20.000 --> 00:01:30.000 durante la COVID-19 y todavía no lo son hoy en día. Por ejemplo, ¿los medicamentos para la presión arterial mejoran o empeoran la COVID? De 00:01:30.000 --> 00:01:40.000 enas de millones de estadounidenses toman estos medicamentos para la presión arterial, así que se pensaría que esta sería una pregunta fácil 00:01:40.000 --> 00:01:50.000 de responder basándonos en los resultados de los pacientes que toman medicamentos para la presión arterial y terminaron hospitalizados con 00:01:50.000 --> 00:02:00.000 OVID. Debería ser tan simple como una búsqueda en Google, pero no lo es. Entonces nuestro objetivo es permitir una búsqueda rápida de regist 00:02:00.000 --> 00:02:10.000 ros médicos a través de varias instituciones médicas de manera eficiente y sin sacrificar la privacidad. Con nuestras herramientas, las ins 00:02:10.000 --> 00:02:20.000 ituciones médicas y las compañías farmacéuticas pueden acceder a poblaciones estadísticamente Nuestro objetivo era permitir una búsqueda rá 00:02:20.000 --> 00:02:30.000 pida de registros médicos a través de varias instituciones de salud de manera eficiente y sin sacrificar la privacidad. Con nuestras herrami 00:02:30.000 --> 00:02:40.000 ntas, las instituciones de salud y las compañías farmacéuticas pueden acceder a poblaciones estadísticamente significativas mucho más rápido 00:02:40.000 --> 00:02:50.000 y la investigación puede llevarse a cabo de inmediato. Además, es más seguro. Así que, ¿podemos obtener lo mejor de ambos mundos? ¿Podemos 00:02:50.000 --> 00:03:00.000 btener una gran base de datos para la investigación y al mismo tiempo maximizar la seguridad? Sí, podemos hacerlo con esta tecnología cripto 00:03:00.000 --> 00:03:10.000 gráfica. La tecnología para lograr este objetivo es una técnica mágica llamada computación multipartita segura. Esto permite que un conjunto 00:03:10.000 --> 00:03:20.000 de partes calculen conjuntamente un resultado sobre sus datos de entrada sin revelar esos datos entre sí ni a nadie más. Un ejemplo de esto 00:03:20.000 --> 00:03:30.000 es el problema del millonario de Yao. Andrew Yao lo introdujo en 1982 y trata sobre dos millonarios, Alice y Bob. Ellos quieren saber cuál d 00:03:30.000 --> 00:03:40.000 los dos es más rico sin revelar su riqueza real. Es decir, Alice y Bob conocen su propio patrimonio, pero no quieren decírselo al otro. Y d 00:03:40.000 --> 00:03:50.000 igamos que tampoco quieren involucrar a un tercero, como el IRS ni ninguna otra entidad. ¿Se te ocurre una manera en la que puedan descubrir 00:03:50.000 --> 00:04:00.000 quién es más rico sin revelar sus fortunas? Pues, aunque no lo creas, existe una manera de hacerlo. Otro ejemplo: supongamos que queremos c 00:04:00.000 --> 00:04:10.000 lcular el promedio de los números de seguro social de todos los participantes de este seminario web, pero sin revelar nuestros números de se 00:04:10.000 --> 00:04:20.000 guro social entre nosotros. ¿Podemos hacerlo? Sí, con la computación multipartita segura. Aplicamos el mismo concepto a los registros de sal 00:04:20.000 --> 00:04:30.000 d, permitiendo que el resultado de una consulta se compute en múltiples hospitales sin que estos necesiten transmitir o revelar ningún regis 00:04:30.000 --> 00:04:40.000 tro. Hemos demostrado esto en nuestro proyecto en varios sitios dispersos. Aquí hay algunos ejemplos de consultas que alguien podría estar i 00:04:40.000 --> 00:04:50.000 teresado en hacer, como la duración promedio de la estancia en el hospital para pacientes mayores de 70 años o qué porcentaje de pacientes m 00:04:50.000 --> 00:05:00.000 uy jóvenes terminaron en un ventilador. Para una audiencia con más conocimientos en criptografía, usamos una mascota para la técnica NPC. No 00:05:00.000 --> 00:05:10.000 entraré en detalles ahora, pero puedes preguntarme sobre esto más tarde si te interesa. Lo único que mencionaré aquí es que este protocolo e 00:05:10.000 --> 00:05:20.000 s seguro contra una mayoría deshonesta, lo que significa que sigue siendo seguro incluso si la mayoría de los participantes son maliciosos. 00:05:20.000 --> 00:05:30.000 uiero reiterar que, con nuestro enfoque, ningún dato sale del hospital. Los datos de cada hospital están completamente aislados en su depart 00:05:30.000 --> 00:05:40.000 amento. Los departamentos de TI no tienen que preocuparse por la seguridad, y además, nada puede ser ingeniería inversa. La coordinación de 00:05:40.000 --> 00:05:50.000 os cálculos se realiza a través de blockchain o un libro mayor distribuido. Este marco también facilita ensayos clínicos más equitativos. Tr 00:05:50.000 --> 00:06:00.000 adicionalmente, las poblaciones de pacientes en los ensayos clínicos no han sido muy diversas. Una de las prioridades de la FDA y otras orga 00:06:00.000 --> 00:06:10.000 izaciones es mejorar esto, y con esta tecnología, es posible localizar sitios con pacientes de interés, incluso si no son instituciones con 00:06:10.000 --> 00:06:20.000 las que una empresa suele colaborar. Desde entonces, hemos ampliado este enfoque, pasando de la consulta de datos al entrenamiento de modelo 00:06:20.000 --> 00:06:30.000 de IA en sitios dispersos de manera respetuosa con la privacidad. También estamos colaborando con el NIH en el descubrimiento de fármacos c 00:06:30.000 --> 00:06:40.000 on preservación de la privacidad. Nuestra visión final es establecer redes de inteligencia con preservación de la privacidad en toda la biom 00:06:40.000 --> 00:06:50.000 dicina. Gracias por escuchar, y me gustaría agradecer al CIC por esta oportunidad y a la NSF por financiar nuestro proyecto, a nuestros cola 00:06:50.000 --> 00:07:00.000 boradores en todo el país y a mis colegas en Onai. Por favor, háganme saber si tienen alguna pregunta al final de la sesión. Muchas gracias 00:07:00.000 --> 00:07:10.000 uevamente.