云计算为公平,数据驱动的痴呆症医学提供了云计算

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 痴呆症是一个日益增长的全球健康挑战,需要先进的预测模型来开发新药和临床应用.
• 机器学习 (ML) 在痴呆症研究中显示出潜力,但在常规医疗保健中面临重大障碍,主要是由于数据不可用,并导致数据漂移.
• 医疗保健中现有的ML应用程序未得到充分利用,特别是基于图像的决策支持,这阻碍了公平的现实世界翻译.

研究的目的:

• 为痴呆症研究提供可扩展的基于云的基础设施作为代码解决方案.
• 解决数据不可用性和数据漂移挑战,开发用于痴呆症护理的人工智能模型.
• 为了实现创建强大的和可适应的人工智能 (AI) 模型的痴呆症医学,同时保持患者的隐私.

主要方法:

• 实现基于云的基础设施作为代码 (IaC) 解决方案.
• 整合保护隐私的联合学习 (FL) 技术.
• 试点架构以证明其在医疗保健环境中的可扩展性和有效性.

主要成果:

• 展示了一个可扩展的,基于云的基础设施,用于在痴呆症研究中开发AI模型.
• 成功实施保护隐私的联合学习,保持患者数据的本地化和安全性.
• 实现了可适应人工智能模型的开发,克服了数据漂移障碍.

结论:

• 基于云的联合学习为在痴呆症医学中开发AI提供了可行的解决方案.
• 这种方法提高了数据安全性和患者隐私,这对于医疗保健应用至关重要.
• 拟议的基础设施和代码库可以加速研究和人工智能在痴呆症护理中的现实世界翻译.