印第安纳大学医学院的研究团队正在进行一项多地点的研究，采用一种保护隐私的人工智能技术，称为联邦学习，旨在提升乳腺癌风险预测的准确性，并减少癌症预防护理中的健康不平等现象。该研究获得了美国国立卫生研究院下属国家癌症研究所提供的为期五年、370万美元的资助。
这项合作研究的研究人员将利用联邦学习技术分析和学习来自参与机构的数据，目标是预测乳腺癌风险，并从多样化的患者群体中获取知识。“我们将采用一种人工智能方法，为女性健康的未来做出贡献，”计算机科学系主任Spyridon Bakas表示，他是印第安纳大学医学院的病理学教授，也是该项目的首席研究者。“联邦学习为这种多站点合作提供了新的范例，因为它允许在不共享患者数据的情况下，访问大量重要的多样化数据，这对于开发强健的模型至关重要。这笔资金将使我们能够利用联邦学习技术，开发一种改进的乳腺癌风险评估模型，旨在预测乳腺癌，并在多个患者群体中进行转化。”
联邦学习是一种通过分散数据协同训练复杂人工智能模型的机制，这意味着数据始终保留在各自的机构内，从而增强了数据隐私。Bakas指出，这种方式能够建立更多的信任，减轻患者对隐私的担忧。
参与该合作研究的其他机构包括梅奥诊所、圣路易斯华盛顿大学、宾夕法尼亚大学和哥伦比亚大学。每个站点将提供接受3D数字乳房断层合成的患者的去识别数据，这是一种比传统2D数字乳房X光检查更为广泛使用的乳腺癌筛查方法。研究人员将利用联邦学习分析和学习所有参与站点的数据，进而创建一个开源的人工智能模型，旨在在获取不同患者群体知识的同时，预测乳腺癌风险。
乳腺癌是女性癌症死亡的第二大原因。该项目所使用的数据将来自接受乳腺癌筛查的患者，其中一些人会随着时间的推移发展为癌症，而另一些则不会。
在未来五年内，该项目的目标包括:
- 建立乳腺癌风险评估模型，利用来自不同种族女性的多地点乳房筛查数据。
- 通过增加地理位置多样的站点来改进这些初始模型。
- 生成符合每个站点当地患者群体特征的真实合成成像数据，并将其用于数据增强和隐私保护。
- 创建一种自动化机制，以定量和可解释的方式确定医疗保健人工智能模型中的最佳隐私保护措施。
Spyridon Bakas。图片由印第安纳大学医学院提供
Bakas表示：“我们的模型旨在预测女性何时以及是否会更早地患上乳腺癌，并评估她们未来患乳腺癌的风险。我们更关注预测而非诊断，更强调主动而非被动。”
研究人员还致力于创建人工智能模型，以解释健康差异和健康不平等现象，因为许多患者无法获得全面的卫生系统。“这些模型通常无法在社区医院环境中进行训练，因为缺乏资源，”Bakas说。“通过联邦学习，我们能够从不同人群中获取这些知识，然后将人工智能模型分发到其他社区环境中进行应用。”
“我们这项研究的总体目标是建立一个易于使用、可转化且值得信赖的联邦学习框架，以降低服务不足人群参与大规模联邦学习研究的障碍，并使他们能够从这一技术进步中受益，从而为解决健康差距铺平道路。”
其他参与研究的人员包括哥伦比亚大学的Despina Kontos，梅奥诊所的Celine Vachon，华盛顿大学的Aimilia Gastounioti，宾夕法尼亚大学的Anne Marie McCarthy和英特尔公司的Prashant Shah。
他们的观点:
“科学界开发的开源软件工具推动了医疗保健领域的数字化转型。这些工具不仅通过使人工智能更易于使用而实现了民主化，还鼓励医疗保健研究人员探索可重复性和稳健性如何对患者结果产生积极影响。通过采用开源工具并公开我们训练的人工智能模型，我们正在培养一种协作和透明的文化，这对创新至关重要，同时共同建设更美好的未来。”——Sarthak Pati，印第安纳大学软件架构师
“联邦学习使模型能够从众多合作者的有限数据中学习，同时克服数据所有权、隐私和监管问题。它能够收集有意义的罕见疾病数据，有助于创建适用于不同人群的强大机器学习模型，从而减少健康差距和不平等。”——Prashant Shah，英特尔健康与生命科学部人工智能主管
本文来自作者[svs]投稿，不代表立场，如若转载，请注明出处：http://ibmjournal.com/post/8643.html
评论列表（4条）
我是的签约作者“svs”！
希望本篇文章《IU研究：人工智能预测乳腺癌风险，解决差异》能对你有所帮助！
本站[]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：印第安纳大学医学院的研究团队正在进行一项多地点的研究，采用一种保护隐私的人工智能技术，称为联邦学习，旨在提升乳腺癌风险预测的准确性，并减少癌症预防护理中的健...