英特爾和賓夕法尼亞大學佩雷爾曼醫(yī)學院（賓夕法尼亞大學醫(yī)學院）正在組建一個聯盟，包含29家國際醫(yī)療和研究機構，使用一種叫做 “聯邦學習”的隱私保護技術來訓練可以識別腦腫瘤的人工智能模型。這項工作由美國國立衛(wèi)生研究院（NIH）國家癌癥研究所（NCI）的癌癥研究信息技術（ITCR）項目資助，它將向賓夕法尼亞大學的首席研究員Spyridon Bakas博士提供研究資金，為期三年總計120萬美元。
“AI在腦腫瘤的早期檢測方面大有可為，但要充分發(fā)揮全部潛力，將需要比任何一家醫(yī)療中心都要多的數據。借助英特爾軟件和硬件以及一些英特爾頂尖人才的支持，我們正在與賓夕法尼亞大學和由29家協作的醫(yī)療中心組成的聯盟展開合作，在保護敏感的患者數據的同時，促進腦腫瘤的識別。”–Jason Martin，英特爾研究院首席工程師
“機器學習訓練需要大量和豐富多樣的數據，這并不是某一單獨的機構所能持有的，這點已被我們的科學界普遍認可。我們正在協調一個由29家相互協作的國際醫(yī)療和研究機構共同組成的聯盟，該聯盟能夠使用包括”聯邦學習”在內的隱私保護機器學習技術，將在此基礎上訓練最先進的AI醫(yī)療模型。今年，該聯盟將開始開發(fā)識別腦腫瘤的算法，此算法的數據集來自于賽中大幅擴展的數據集版本。該聯盟將允許醫(yī)學研究人員訪問比以往數量大很多的醫(yī)療數據，同時能夠保護這些數據的安全。”- 賓夕法尼亞大學Spyridon Bakas博士
這是如何做到的呢？賓夕法尼亞大學醫(yī)學院與29家來自美國、加拿大、英國、德國、荷蘭、瑞士和印度的醫(yī)療和研究機構，是使用”聯邦學習”的技術來實現的。這種分布式機器學習方式，可以使得機構組織能夠在不共享患者數據的情況下進行深度學習項目的協作。
去年，賓夕法尼亞大學醫(yī)學院和英特爾率先，特別展示了”聯邦學習”方法可以訓練出一種模型，使其準確率達到傳統(tǒng)無隱私保護訓練準確率的99%以上。該論文最初在西班牙格拉納達舉行的2018年國際醫(yī)學圖像計算和計算機輔助干預會議（MICCAI）上發(fā)表。這項新工作將利用英特爾軟件和硬件實現”聯邦學習”，為模型和數據提供額外的隱私保護。
根據美國腦腫瘤協會（ABTA）的數據，今年將有近8萬人被確診患有腦腫瘤，其中兒童患者超過4600名。為了訓練和建立一種檢測腦腫瘤的模型，以幫助早期檢測并獲得更好的結果，研究人員需要獲得大量相關的醫(yī)學數據。然而，保持數據私密性并使數據受到保護至關重要，這正是采用英特爾技術的”聯邦學習”的用武之地。通過這種方法，來自所有合作機構的研究人員將能夠共同協作，構建和訓練一種算法來檢測腦腫瘤，同時保護敏感的醫(yī)療數據。
2020年，賓夕法尼亞大學醫(yī)學院和 29 家國際醫(yī)療和研究機構將使用英特爾的”聯邦學習”硬件和軟件，在迄今為止最大的腦腫瘤數據集上進行訓練來生成全新的具有最佳性能的AI模型, 而其中敏感的病患數據將單獨保存在各個合作機構中。預計參與發(fā)起該聯盟第一階段工作的合作機構小組包括賓夕法尼亞大學醫(yī)院、圣路易斯華盛頓大學、匹茲堡大學醫(yī)療中心、范德比爾特大學、皇后大學、慕尼黑技術大學、伯爾尼大學、倫敦國王學院和塔塔紀念醫(yī)院等。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
