Nature: машинное обучение поможет медикам обмениваться частными данными не нарушая закон

Исследователи из Penn Medicine и корпорации Intel провели крупнейшую глобальную операцию по машинному обучению, чтобы объединить данные сканирования мозга 6314 пациентов с глиобластомой (GBM) в 71 месте по всему миру. Результаты работы были опубликованы в журнале Nature Communications.

Исследователи, изучающие редкие болезни, такие как глиобластома, агрессивный тип опухоли головного мозга, часто имеют выборку пациентов, ограниченную их собственным учреждением или географическим местоположением. Из-за законодательства о защите частной жизни сотрудничество по обмену данными между учреждениями без ущерба для конфиденциальности данных пациентов является серьезным препятствием для многих поставщиков медицинских услуг.

Исследователи использовали так называемое федеративное обучение. Этот подход впервые реализован Google для функции автозамены на клавиатурах. Он способен обучить алгоритм машинного обучения на нескольких децентрализованных устройствах или серверах хранящих локальные образцы данных, фактически не обмениваясь ими.

Заглядывая в будущее, авторы надеются, что благодаря общей методологии федеративного обучения ее применение в медицинских исследованиях может способствовать более эффективным результатам.

0 комментариев