外媒 | 研究人员评估联邦学习模型在COVID-19诊断中的应用-普瑞纯证

美国明尼苏达大学领导的研究团队正在研究联邦学习（FL）技术，以评估其在基于胸部X光数据诊断COVID-19方面的实用性。FL模型是一种隐私保护的机器学习（ML）方法，用于训练人工智能（AI）算法。近年来，AI在医疗保健领域的应用引起了广泛关注，但数据隐私问题也给AI的使用带来了挑战。传统的AI方法需要大量的数据集。数据收集方面存在实际、伦理和法律上的挑战。例如，训练AI模型通常需要将与患者相关的数据共享到中央存储库，但跨机构的数据共享可能需要患者放弃对数据的控制权。相反，FL模型允许将本地数据样本保存在分散的设备或服务器上。通过在不同的计算机上独立训练多个AI模型，研究人员可以确保这些模型仅共享学习的模型权重，而不共享任何输入数据。这种访问数据的能力在公共卫生紧急情况下特别有用，例如COVID-19大流行。为了确定FL在COVID-19诊断中的潜在实用性，研究人员比较了使用先前描述的COVID-19诊断模型的各种联邦和AI模型的性能。他们发现，与其他AI算法相比，FL模型可能不会提高一般化能力，而不会导致内部有效性差，但这些FL模型可能提供开发内部和外部验证算法的机会。除了这种应用之外，研究人员指出，FL的使用可以在医疗保健领域提供多种潜在的好处，包括改善医疗影像和文本分析、为临床医生创建更好的诊断工具、推进协作和加速药物研发、降低制药公司的成本和上市时间，以及解决罕见病例。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。