La IA que respeta la privacidad puede proteger tus datos cardíacos; el problema es el proyecto de ley
El monitoreo cardíaco actual ha evolucionado desde los equipos tradicionales junto a la cama del paciente hacia dispositivos como parches o relojes inteligentes que registran electrocardiogramas, los cuales son transmitidos por teléfonos, almacenados en la nube y utilizados para entrenar modelos de inteligencia artificial en múltiples hospitales. Durante este proceso, los datos atraviesan diversos puntos donde pueden producirse filtraciones, a pesar de que los proveedores suelen asegurar que la información está protegida mediante cifrado en tránsito y en reposo.
Si bien el cifrado protege los datos en las redes y en los discos, la información usualmente debe ser descifrada en la memoria de los servidores externos cuando un servicio en la nube necesita realizar cálculos o cuando las instituciones colaboran compartiendo actualizaciones de modelos. Para abordar este problema, un estudio reciente divide el ciclo de vida de los datos en tres límites de confianza distintos: la fuente, la comunicación y almacenamiento, y la computación y colaboración, aplicando el modelado de amenazas a todo el recorrido de la información.
Para proteger los datos durante la computación y la colaboración sin exponerlos, se utilizan técnicas como el cifrado homomórfico y el aprendizaje federado, bajo la suposición de un modelo de amenazas donde los participantes siguen el protocolo pero son curiosos. Las pruebas realizadas con registros de electrocardiogramas demostraron que, aunque la precisión diagnóstica se mantiene elevada, el costo computacional de estas medidas de privacidad varía considerablemente según cómo se dividan y organicen los datos entre las instituciones.
El artículo original no aporta más detalle sobre el libro electrónico mencionado al final del texto.