數(shù)字醫(yī)學(xué)正在開辟全新的可能性。例如，它可以在早期發(fā)現(xiàn)腫瘤。但是新的AI算法的有效性取決于用于訓(xùn)練它們的數(shù)據(jù)的數(shù)量和質(zhì)量。
為了最大化數(shù)據(jù)池，習(xí)慣上是通過將數(shù)據(jù)庫的副本發(fā)送到正在訓(xùn)練算法的診所來在診所之間共享患者數(shù)據(jù)。為了保護(hù)數(shù)據(jù)，該材料通常會(huì)進(jìn)行匿名化和假名化處理-這一過程也受到批評(píng)。TUM的醫(yī)療保健和醫(yī)學(xué)人工智能教授Alexander von Humboldt的Daniel Rueckert說：“在保護(hù)患者的健康數(shù)據(jù)方面，這些過程通常被證明是不足的。”
智能算法支持醫(yī)生
為了解決這個(gè)問題，TUM的一個(gè)跨學(xué)科團(tuán)隊(duì)與倫敦帝國學(xué)院和非營利性組織OpenMined的研究人員合作，為放射線圖像數(shù)據(jù)開發(fā)了基于AI的診斷過程的獨(dú)特組合，以保護(hù)數(shù)據(jù)隱私。在《自然機(jī)器智能》上發(fā)表的一篇論文中，該團(tuán)隊(duì)現(xiàn)在已經(jīng)提出了一個(gè)成功的應(yīng)用：一種深度學(xué)習(xí)算法，可以對(duì)兒童X射線中的狀況進(jìn)行分類。
“我們已經(jīng)針對(duì)專業(yè)的放射科醫(yī)生對(duì)我們的模型進(jìn)行了測試。在某些情況下，該模型在診斷兒童各種類型的中顯示出可比或更高的準(zhǔn)確性，”該中心診斷與介入放射學(xué)系主任Marcus R. Makowski教授說。 TUM的Klinikum rechts der Isar。
數(shù)據(jù)保留在現(xiàn)場
TUM醫(yī)學(xué)信息學(xué)，統(tǒng)計(jì)學(xué)和流行病學(xué)研究所的項(xiàng)目負(fù)責(zé)人和第一作者Georgios Kaissis說：“為了確?；颊邤?shù)據(jù)的安全，絕不應(yīng)該離開收集它的診所。”“對(duì)于我們的算法，我們使用聯(lián)邦學(xué)習(xí)，其中深度學(xué)習(xí)算法是共享的，而不是數(shù)據(jù)。我們的模型是使用本地?cái)?shù)據(jù)在各個(gè)醫(yī)院進(jìn)行訓(xùn)練的，然后返回給我們。因此，數(shù)據(jù)所有者不必共享他們的數(shù)據(jù)并保留完全的控制權(quán)。”放射學(xué)研究所的第一作者亞歷山大·齊勒(Alexander Ziller)說。
數(shù)據(jù)無法追溯到個(gè)人
為了防止確定訓(xùn)練過算法的機(jī)構(gòu)，該團(tuán)隊(duì)?wèi)?yīng)用了另一種技術(shù)：安全聚合。Kaissis說：“我們以加密的形式組合了這些算法，只有在對(duì)所有參與機(jī)構(gòu)的數(shù)據(jù)進(jìn)行了訓(xùn)練之后，才將它們解密。為了確保“差異隱私”(即防止將單個(gè)患者數(shù)據(jù)從數(shù)據(jù)記錄中過濾掉)，研究人員在訓(xùn)練算法時(shí)使用了第三種技術(shù)。Kaissis說：“最終，可以從數(shù)據(jù)記錄中提取統(tǒng)計(jì)相關(guān)性，但不能從個(gè)人的貢獻(xiàn)中提取統(tǒng)計(jì)相關(guān)性。”
標(biāo)簽： 醫(yī)學(xué)診斷算法
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！