一项国际研究介绍了针对儿科脑瘤的联合学习AI平台
Edward H Lee1,2, Michelle Han3,4, Jason Wright5
1Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA. edward.heesung.lee@gmail.com.
Nature communications
|September 2, 2024
概括
联合学习 (FL) 能够在医院之间进行人工智能模型培训,而无需共享患者数据. FL-PedBrain在外部网站上提高了20-30%的儿科脑瘤细分,证明了其现实世界的有效性.
科学领域:
- 医疗人工智能的人工智能
- 计算神经科学是一种计算神经科学.
- 在瘤学瘤学.
背景情况:
- 由于数据隐私问题,医学中的人工智能 (AI) 仅限于小型,非多元化的患者队伍.
- 联合学习 (FL) 提供了一个解决方案,通过在机构之间实现协作模式培训,而无需直接共享数据.
研究的目的:
- 介绍FL-PedBrain,这是一个针对儿科后脑瘤的联合学习平台.
- 评估FL-PedBrain在多样化,多中心队列上的性能,解决儿科脑瘤数据集中的数据稀缺问题.
主要方法:
- 开发FL-PedBrain,FL平台用于关节瘤分类和细分.
- 在19个国际地点组织联合培训.
- 对集中培训和外部,网络之外的网站进行评估.
主要成果:
- 与集中训练相比,FL-PedBrain显示出最小的性能下降 (<1.5%分类,<3%细分)
- 在三个外部网站上,FL显著提高了20-30%的细分性能.
- 在不平衡的现实场景中研究数据异质性和FL稳定性.
结论:
- FL-PedBrain有效地使儿童脑瘤的多机构AI培训成为可能.
- 联合学习表现出稳健性和更好的性能,特别是在外部数据集上,克服了数据限制.
