Apprentissage statistique fédéré pour une nouvelle generation de méta-analyses de données biomédicales sécurisés et à grande échelle – FED-BIOMED

Le projet contribue au domaine émergent de l'apprentissage fédéré.
Il étend le paradigme d'optimisation fédérée au cadre Bayésien et développe de nouvelles approches pour la modélisation et la prédiction probabilistes à partir de données hétérogènes de dimension potentiellement élevée. Du point de vue technique, nous développons notre cadre d'apprentissage fédéré à travers un cadre logiciel autonome qui peut être déployé en toute sécurité sur différents centres et collaborateurs. Enfin, du point de vue translationnel, nous travaillons à démontrer notre initiative d'apprentissage fédéré sur plusieurs applications cliniques avec une variété de partenaires hospitaliers et de recherche.

WP1.
- Nous avons développé un nouveau cadre Bayésien pour l'apprentissage fédéré avec des données hétérogènes et manquantes. L'approche proposée a formulé l'apprentissage fédéré comme un problème de modélisation hiérarchique, où la variabilité est modélisée de manière cohérente au niveau des clients et du serveur. L’approche proposée a été démontrée sur l’analyse de données hétérogènes (images cérébrales multimodales et informations cliniques) dans la maladie d’Alzheimer.
- Nous avons proposé un nouveau schéma d'apprentissage fédéré appelé « clustered sampling », dans lequel l'hétérogénéité des clients peut être mieux prise en compte lors de l'étape d'agrégation des paramètres, conduisant à une amélioration de la vitesse de convergence et de la robustesse du modèle fédéré final.
- Nous avons étudié un nouveau type de faiblesse des schémas d'apprentissage fédéré standard, appelé « free-riding ». Cette faiblesse survient lorsque des clients malins développent des stratégies pour obtenir le résultat d'apprentissage fédéré (le modèle final), sans toutefois apporter de données lors du processus d'optimisation.

WP2.
Nous consolidons et préparons actuellement l'application de notre référentiel sur les données fournies par les partenaires.
Du côté administratif, nous avons obtenu l'agrément du service sécurité d'Inria pour le premier déploiement d'une version simplifiée du logiciel sur les données hospitalières, et nous discutons actuellement avec le DPO Inria pour l'application complète de notre framework compatiblement avec le RGPD.

WP3.
Une intense activité de développement a été menée depuis le début du projet. Un article scientifique sur le logiciel Fed-BioMed a été publié sur le workshop « Distributed and Collaborative Learning » 2020, organisé par NVIDIA. Le logiciel est accessible sur la page du projet : fedbiomed.gitlabpages.inria.fr

Dans les prochaines étapes du projet

- nous étudierons les mécanismes de confidentialité liés à notre cadre Bayésien et développerons de nouvelles stratégies pour tenir compte de la contribution asynchrone des clients à l'apprentissage fédéré.
- nous visons à obtenir l'approbation complète pour l'utilisation de notre logiciel, et pursuivre l'installation et la configuration de Fed-BioMed dans les applications proposées.
- nous commencerons avec l'application de la méthodologie et du logiciel sur les applications cliniques proposées

- 5 articles publiés dans des conférences scientifiques à fort impact (e.g. ICML, AISTATS, IPMI, MICCAI)
- Forte activité de diffusion à travers des conférences invitées
- Organisation de la Session spéciale sur Security and Fairness in Collaborative Healthcare Data Analysis (https://biomedicalimaging.org/2021/special-sessions/) lors de la dernière édition du Symposium international sur l'imagerie biomédicale (ISBI 2021)
- dépôt APP pour le logiciel Fed-BioMed
- Accord de collaboration avec Accenture Labs pour contribuer au développement au logiciel Fed-BioMed
- Collaboration avec le Centre Hospitalier Antoine Lacassagne de Nice
- Financement complémentaire obtenu auprès d'Université Côte d'Azur et d'Inria dans le cadre du Programme National de Recherche en Intelligence Artificielle

L'application de l'apprentissage statistique aux données biomédicales impose des contraintes critiques. Les modèles doivent respecter l’anonymat et la non transférabilité des informations d’un centre à l’autre, tout en tenant compte de l’énorme dimension et variabilité des données. Fed-BioMed relèvera ce défi en reformulant les approches non paramétriques Bayésienne dans le domaine du federated learning. L'apprentissage des données complexe et hétérogènes pourra alors être effectué sans partage d’informations individuelles, mais uniquement avec des distributions de paramètres. Les coûts de communication et le risque de fuite d'informations seront réduits en s’appuyant sur les méthodes d’inférence variationnelle et de differential privacy. Fed-BioMed nous permettra d'exploiter les données issues de deux des plus grandes études multicentriques disponibles: l'analyse imagerie-génétique dans l'initiative ENIGMA et la prévision de la mort subite à partir d'un réseau de sites cliniques Français.