外媒 | 医疗AI筛查工具的公平性将得到提高-普瑞纯证

匹兹堡大学的研究团队获得了170万美元的国家卫生研究院拨款，旨在开发一种基于联邦学习的方法，以实现人工智能辅助医疗筛查工具的公平性。联邦学习是一种注重隐私的方法，允许研究人员在不交换数据集的情况下训练机器学习算法。医疗保健数据共享是一个挑战，联邦学习通过允许本地数据样本存储在分散的设备或服务器上来解决这个问题。该项目既有数据组成部分，也有基于算法的组成部分。使用联邦学习允许研究人员优先考虑数据隐私，并有助于数据收集和患者参与。在数据收集之后，联邦学习过程集中于算法开发。在本地数据集上训练单独的模型，然后将其发送回中央服务器，这些模型将被组合成一个主模型。当研究人员获得更多数据时，他们可以从中央服务器下载最新的主模型，使用新获得的数据更新模型，然后将更新后的模型发送回服务器。该项目将通过一个设备上的学习框架解决与算法开发相关的问题，并防止使用移动应用程序时出现健康差异。设备上的模型将与研究人员共享，以帮助训练用于AI辅助医疗筛查的共享主模型。

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。