Swarm Learningは,分散型かつ機密の臨床機械学習を目的としています

科学分野:

• 医療における人工知能
• バイオ情報学
• データのプライバシー

背景:

• 精密医療は 複雑な病気を素早く 確実に検出することを目的としています
• 血液のトランスクリプトームを機械学習することで 白血病のような疾患を特定できます
• プライバシーに関する法律は,多様な医療データを統合する上で課題を提起しています.

研究 の 目的:

• 機械学習の分散型アプローチであるSwarm Learningを導入する.
• プライバシーに関する法律を尊重しながら グローバルな医療データの統合を促進する.
• Swarm Learningが病気分類器を開発する際の実用性を実証する.

主な方法:

• スワーム・ラーニングは エッジ・コンピューティング,ブロックチェーン,ピアツーピア・ネットワークを組み合わせています.
• 中央のコーディネーターなしで 機密性を保つ分散型アプローチです
• COVID-19,結核,白血病,肺疾患の4つの異質な病気に適用されます.

主要な成果:

• 血液トランスクリプトームの16,400件と 胸部X線画像の95,000件を 127件の研究から利用しました
• スワーム・ラーニングの分類器は,サイト固有のモデルと比較して優れたパフォーマンスを示しました.
• このアプローチは本質的に データの機密性に関する現地法令に準拠しています

結論:

• Swarm Learningは,分散医療データ分析のためのプライバシー保護ソリューションを提供しています.
• この分散した方法は 精密医療の進歩を加速します
• 多様なデータセットと患者集団における 堅固な疾患分類を可能にします