Engineering FAIR Privacy-preserving Applications that Learn Histories of Disease

Este proyecto demuestra la viabilidad de implementar aplicaciones de IA generativa para la historia natural de enfermedades directamente en el navegador mediante inferencia del lado del cliente, garantizando la privacidad de los datos y validando los principios FAIR mediante el uso de ONNX y un SDK de JavaScript personalizado.

Lo esencial

¡Claro que sí! Imagina que este artículo es la historia de cómo un grupo de ingenieros logró llevar un "médico experto" muy inteligente a tu navegador web, pero con un superpoder especial: nunca sale de tu casa.

Aquí tienes la explicación sencilla, usando analogías cotidianas:

1. El Problema: El Médico que necesita ver tus papeles

Imagina que tienes un médico muy listo (un modelo de Inteligencia Artificial llamado Delphi 2M) que puede predecir cómo evolucionará tu salud en el futuro basándose en tu historial médico.

• La forma antigua (el problema): Para que este médico te dé un consejo, tenías que enviarle todos tus papeles médicos (tus datos sensibles) por correo electrónico a una oficina central en la nube. Allí, un servidor gigante los leía y te devolvía la respuesta.
• El riesgo: Enviar tus datos médicos por internet es como dejar tu llave de casa en la puerta abierta. Siempre hay riesgo de que alguien los vea o los robe. Además, muchas personas no se sienten cómodas compartiendo su información tan íntima.

2. La Solución: El Médico que vive en tu bolsillo

Los autores de este artículo tuvieron una idea brillante: ¿Y si el médico entra en tu computadora y hace el trabajo allí mismo, sin que tus datos salgan nunca de tu casa?

Lograron crear una aplicación web (un "App") que funciona directamente en tu navegador (como Chrome o Safari).

• La analogía: Es como si en lugar de enviar tus recetas a la farmacia para que te las preparen, la farmacia viniera a tu cocina, preparara la medicina frente a ti y se fuera, llevándose la receta pero dejando tus ingredientes (tus datos) en tu propia mesa.

3. ¿Cómo lo hicieron? El "Traductor Universal" (ONNX)

El modelo original estaba escrito en un lenguaje de programación complejo (PyTorch) que solo las computadoras potentes de los servidores podían entender. Para que funcionara en tu navegador, tuvieron que hacer una transformación mágica:

• El Traductor (ONNX): Imagina que el modelo es un libro escrito en un idioma raro. Usaron un "traductor universal" llamado ONNX. Este traductor convierte el libro a un formato estándar que cualquier computadora, desde un teléfono móvil hasta un ordenador potente, puede leer.
• El Motor (WebAssembly): Una vez traducido, usaron un "motor" especial (llamado WebAssembly) que permite que este libro corra dentro de tu navegador a una velocidad increíble, casi como si fuera un programa nativo.

4. La Aplicación: Tu Historial Médico en el Navegador

Crearon una página web donde puedes escribir tus eventos médicos (por ejemplo: "a los 30 años tuve gripe, a los 40 tuve una alergia").

• Lo que pasa: La aplicación toma esos datos, los convierte en números, y el modelo (que ya está dentro de tu navegador) empieza a "soñar" con tu futuro.
• El resultado: Te muestra una línea de tiempo: "Probablemente a los 50 años podrías tener X".
• Lo más importante: Todo este cálculo ocurre dentro de tu propia computadora. Nadie en internet recibe tus datos. Ni siquiera los creadores de la aplicación pueden ver lo que escribiste.

5. ¿Por qué es importante? (Los principios FAIR)

El artículo menciona unas reglas llamadas FAIR (Encontrable, Accesible, Interoperable y Reutilizable).

• Interoperable: El modelo no está atado a una sola marca de computadora; funciona en cualquier lugar gracias al "traductor" ONNX.
• Reutilizable: Como el código es público y funciona en el navegador, cualquier desarrollador puede tomarlo y usarlo para crear sus propias herramientas de salud sin tener que reinventar la rueda.

En resumen

Este proyecto es como construir un cofre fuerte digital. Permiten que la Inteligencia Artificial más avanzada analice tu salud para ayudarte a prevenir enfermedades, pero garantiza que la llave de ese cofre siempre la tengas tú. Tus datos nunca viajan, nunca se comparten y la privacidad es total.

Es un paso gigante hacia un futuro donde la tecnología médica es poderosa, pero también segura y privada.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Ingeniería de Aplicaciones de IA Generativa con Privacidad para el Aprendizaje de la Historia Natural de las Enfermedades

1. El Problema

El modelado predictivo de trayectorias de salud y el uso de modelos generativos (como los transformadores) para predecir riesgos de morbilidad individual enfrentan barreras críticas relacionadas con la privacidad de los datos y la gobernanza.

• Dependencia de la Nube: Tradicionalmente, el procesamiento de registros de salud electrónicos (EHR) requiere enviar datos sensibles del paciente a servidores centralizados en la nube, lo que genera riesgos regulatorios, éticos y de seguridad.
• Accesibilidad y Reutilización: Aunque modelos como Delphi 2M están bien documentados, su despliegue está limitado a entornos institucionales o de nube, dificultando que los usuarios finales accedan a la inferencia sin ceder sus datos privados.
• Falta de Interoperabilidad: Los modelos entrenados en frameworks específicos (como PyTorch) no son fácilmente ejecutables en entornos diversos (como navegadores web) sin una conversión adecuada.

2. Metodología

El proyecto transformó el modelo Delphi 2M (un transformador generativo preentrenado) en una aplicación web que se ejecuta completamente en el cliente (en el navegador del usuario), eliminando la necesidad de subir datos a un servidor.

• Principios FAIR: El diseño se centró específicamente en mejorar la Interoperabilidad (I) y la Reutilización (R) de los principios FAIR de datos.
• Conversión a ONNX:
  • El modelo original, entrenado en PyTorch, se exportó al formato ONNX (Open Neural Network Exchange). Este formato actúa como un estándar universal que desacopla el modelo de su framework de entrenamiento original.
  • Esto permitió que el modelo fuera entendido y ejecutado en diferentes tiempos de ejecución, específicamente en JavaScript/WebAssembly.
• Ejecución en el Navegador (WebAssembly y WebGPU):
  • Se utilizó el ONNX Runtime Web, compilado en WebAssembly (Wasm), para ejecutar la inferencia del modelo a velocidades cercanas a las nativas en el navegador.
  • Se aprovechó WebGPU para la aceleración por hardware (GPU) cuando está disponible, optimizando el rendimiento en dispositivos con recursos limitados.
• Desarrollo de un SDK Personalizado en JavaScript:
  • Se creó una biblioteca SDK en JavaScript que gestiona la comunicación de bajo nivel con el ONNX Runtime.
  • Flujo de Inferencia:
    1. Preprocesamiento: Convierte las entradas del usuario (historial médico en código ICD-10 y edad) en tensores numéricos estructurados.
    2. Inferencia Iterativa: La función generateTrajectory envía la secuencia actual al modelo ONNX para obtener logits (probabilidades).
    3. Muestreo Tiempo-Hasta-Evento: Utiliza una fórmula de muestreo estocástico ($t_{next} = -e^{logits} \cdot \ln(u)$) para determinar el tiempo hasta el siguiente evento médico.
    4. Postprocesamiento: Convierte los tensores de salida brutos en estimaciones de riesgo de morbilidad legibles (eventos y edades) para el usuario.
• Interfaz de Usuario: Se desarrolló una aplicación web (utilizando ObservableHQ) que visualiza la trayectoria clínica en tiempo real sin comunicación de red para la inferencia.

3. Contribuciones Clave

• Arquitectura de Privacidad por Diseño: Demostración exitosa de que la inferencia de modelos generativos complejos puede realizarse 100% en el dispositivo del usuario, garantizando que los datos de salud nunca salgan del navegador.
• Prueba de Concepto de "Construir una vez, ejecutar en cualquier lugar": Se logró migrar un pipeline de inferencia de Python/PyTorch (servidor) a JavaScript/ONNX (cliente), validando la portabilidad del modelo.
• Herramientas de Código Abierto:
  • Publicación de una aplicación web funcional.
  • Liberación del SDK personalizado (delphi-onnx) y repositorios de código en GitHub.
  • Validación técnica mediante un cuaderno en ObservableHQ.
• Avance en los Principios FAIR: Se demostró cómo la estandarización (ONNX) y la abstracción (SDK) mejoran drásticamente la reutilización e interoperabilidad de modelos de investigación en entornos clínicos reales.

4. Resultados

• Despliegue Exitoso: La aplicación funciona correctamente en navegadores web modernos, ejecutando el modelo Delphi 2M sin descargas ni instalaciones locales.
• Rendimiento: El uso de ONNX Runtime con Wasm y WebGPU permite una inferencia eficiente en una variedad de plataformas, desde dispositivos móviles hasta escritorios con GPU acelerada.
• Validación de Privacidad: Se confirmó que las trayectorias de salud sensibles ingresadas y proyectadas permanecen exclusivamente en el dispositivo local del usuario, cumpliendo estrictamente con los requisitos de gobernanza de datos.
• Limitaciones Actuales: El modelo de demostración se entrenó únicamente con un subconjunto pequeño de datos sintéticos (7,144 pacientes), por lo que su precisión predictiva es menor que la del modelo original entrenado con 400,000 trayectorias reales.

5. Significado e Impacto

Este trabajo establece un plan arquitectónico seguro y de alto rendimiento para el futuro de la IA generativa en medicina.

• Cambio de Paradigma: Mueve la computación de la nube al dispositivo del usuario, resolviendo el dilema entre la utilidad de los modelos predictivos y la privacidad del paciente.
• Escalabilidad: Al desacoplar el modelo de la infraestructura centralizada, se facilita el despliegue en entornos con restricciones de conectividad o regulaciones estrictas de datos.
• Futuro: Los autores proponen integrar técnicas de aprendizaje federado o fine-tuning en el cliente para permitir que el modelo mejore con el tiempo utilizando datos reales, manteniendo siempre la privacidad de los datos en el dispositivo local.

En conclusión, el estudio valida que es posible ingenierizar aplicaciones de IA complejas que respeten la privacidad del paciente sin sacrificar la funcionalidad, utilizando estándares abiertos como ONNX y tecnologías web modernas.