Федеративное обучение позволит специалистам по всему миру делиться данными сканирования мозга без нарушения конфиденциальности пациентов. Модель позволит повысить эффективность обнаружения и лечения онкологии.

Метод разрабатывается специалистами из Penn Medicine и Intel Corporation для агрегации данных сканирования мозга 6314 пациентов с глиобластомой (GBM) в 71 учреждении по всему миру - это крупнейший и самый разнообразный набор данных о пациентах с глиобластомой, который когда-либо рассматривался учеными. Исследование опубликовано в журнале Nature Communications.

Ранее исследователям был доступен набор данных, ограниченный врачебной тайной или правом пациентов на конфиденциальность. Новый метод позволяет специалистам делиться данными пациентов без распространения личной информации путем переноса алгоритма машинного обучения на данные.

На первом этапе исследований модель была обучена с использованием общедоступных данных о 231 пациенте из 16 учреждений. Перед моделью была поставлена ​​задача определить границы трех подотделов глиобластомы. На втором этапе модель изучала данные о 2471 пациенте из 35 учреждений. На заключительном этапе обучения и тестирования модели был включен наибольший объем данных из 6 314 случаев пациентов (3 914 680 изображений) в 71 учреждении на 6 континентах.

На каждом этапе обучения эффективность модели повышалась. Для тестирования федеративного обучения исследователи использовали невидимую совокупность данных "вне выборки", которая состояла из случаев пациентов, с которыми модель не сталкивалась в процессе обучения.

Благодаря расширению базы данных о пациентах специалистам удалось повысить эффективность модели в обнаружении границ глиобластомы от 27% до 33% в разных областях. Исследователи считают, что модель  может быть применима не только к идентификации онкологии, но и к нейродегенерации.