0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

联邦学习:举众人之力开发AI

NVIDIA英伟达企业解决方案 来源:NVIDIA英伟达企业解决方案 作者:NVIDIA英伟达企业解 2021-10-09 14:51 次阅读

近日发表在《自然医学》上的研究结果表明,联邦学习能够建立强大的AI模型并在不同的医疗机构中进行推广。这一发现展示了AI在能源、金融服务、制造业等领域进一步应用的前景。

由新冠疫情引发的一项多家医院联合发表的倡议表明,任何行业的机构都可以通过合作开发预测性AI模型,在准确性和通用性方面树立新的标杆。

这项合作于今日发表在领先的同行评议医疗杂志《自然医学》上,展示了保护隐私的联邦学习技术如何创建强大的AI模型,这些模型能够在不同的企业机构中运行良好,即便是在受到保密数据或稀疏数据限制的行业。

该研究的第一作者Ittai Dayan博士表示:“在AI开发过程中,当在一家医院的数据上创建一个算法时,这个算法一般在任何其他医院都不能很好地工作。” Ittai Dayan博士在Mass General Brigham领导AI开发工作并在今年创立了医疗初创企业Rhino Health。

“但通过使用联邦学习和来自各大洲的客观多模态数据来开发模型,我们就能够建立一个能够帮助全球一线医生的可推广模型。” Ittai Dayan表示。

其他大规模联邦学习项目已在医疗行业展开,包括一项关于乳房X光检查评估的五人研究以及制药巨头拜耳公司一项用于脾脏的分割解剖的AI模型训练工作。

除了医疗行业之外,联邦学习还可以帮助能源公司分析地震和井筒数据,帮助金融公司改进欺诈检测模型,帮助自动驾驶汽车研究人员开发泛化至不同国家驾驶行为的AI。

联邦学习:举众人之力开发AI

开发AI模型的公司和研究机构通常受到其可用数据的限制。这可能意味着较小的企业机构或小众研究领域缺乏足够的数据来训练准确的预测模型。即使是大型数据集,也可能因一家企业机构的病人或客户人口特征、特定的数据记录方法、甚至所使用的科学设备品牌而出现偏差。

为了收集足够的训练数据来建立一个强大的、可推广的模型,大多数企业机构需要与同行汇集数据。但在许多情况下,数据隐私法规限制在共用的超级计算机或云服务器上直接分享数据,例如病人的医疗记录或专有数据集等。

这就是联邦学习的用武之地。

《自然医学》杂志发布的这项新研究被称为EXAM(EMR CXR AI模型)。该研究由Mass General Brigham和NVIDIA主导,将五大洲的20家医院聚集在一起训练神经网络,该网络用于预测出现新冠肺炎症状的病人在到达急诊科等护理点的24和72小时后可能需要的氧气补充水平。这是迄今为止最大、最多样化的临床联邦学习研究之一。

多方合作助力AI工作

联邦学习使EXAM的合作者能够创建一个从每家参与医院的胸部X光图像、患者生命体征、人口特征数据和实验室数值中学习的AI模型,并且无需访问存储在各家医院私人服务器中的私人数据。

每家医院都在本地的NVIDIA GPU上训练同一个神经网络的副本。在训练过程中,每家医院只需定期向中央服务器发送更新的模型权重,中央服务器中的全局版本神经网络将它们汇总起来,形成一个新的全局模型。

这就像分享考试的答案,但并不透露任何用于得出答案的学习材料。

美国国家卫生研究院(NIH)介入肿瘤学中心联合作者兼总监、临床中心介入放射科主任Brad Wood博士表示:“EXAM研究的结果表明,能够在不需要交换私人可识别数据的情况下在医疗领域训练高性能和可推广的AI模型,从而保护数据隐私。”

“这些发现不仅仅可以用于新冠肺炎相关预测的跨医院模型 ,并展示了联邦学习是该领域的一项有前途的解决方案。这为实现更有效和合规的大数据共享提供了框架,并且为挖掘AI深度学习在医学领域的潜力提供支持。”

与所有参与机构共享的全局EXAM模型使AI模型的平均性能提高了16%。研究人员发现,与在任何单一站点训练的模型相比,全局EXAM模型的通用性平均提高了38%。

从上图中可以看到,对于拥有较小数据集的医院来说,全局联邦学习的性能提升尤其明显。

泰国朱拉隆功大学和朱拉隆功国王纪念医院AI医学中心联合主任Sira Sriswasdi表示:“联邦学习使全球各地的研究人员能够为一个共同的目标进行合作,开发出一个能够从每个人的数据中学习和归纳的模型。“该医院是合作开发EXAM的20所医院之一。“通过NVIDIA GPU和NVIDIA Clara软件,我们能够很轻松地参与这项研究,产生有影响的结果。”

医院和初创企业进一步开展EXAM研究

最初的EXAM研究汇集了北美、南美、欧洲和亚洲的合作者,只用了两周训练就实现了对病人氧气需求的高质量预测 ,这一洞察可以帮助医生确定病人需要的护理水平。

此后,该研究的合作者验证了该AI模型能够在建立和训练该模型的地点之外的环境中进行推广并表现良好。马萨诸塞州的另外三家医院(Cooley Dickinson医院、Martha‘s Vineyard医院和Nantucket Cottage医院)测试了EXAM,发现该神经网络在独立的、从未见过的数据上也表现良好。

Cooley Dickinson医院发现,该模型能够预测病人到达急诊室后24小时内的呼吸机需求,其敏感性为95%,特异性超过88%。英国剑桥的Addenbrookes医院也发现了类似的结果。

开发原始模型的MGH&BWH临床数据科学中心科学主任Quanzheng Li博士表示,Mass General Brigham计划在不久的将来部署EXAM。该医院网络与Lahey医院和医疗中心以及英国的NIHR剑桥生物医学研究中心一起与英伟达初创加速成员Rhino Health合作,使用EXAM开展前瞻性研究。

最初的EXAM模型使用过去新冠肺炎患者的记录进行回顾性训练,因此研究人员已经掌握了关于患者最终需要的氧气量的真实数据。这项前瞻性研究将AI模型应用于新入院患者的数据,朝着在现实环境中部署AI模型又迈出了一步。

剑桥大学医学院放射科主任Fiona Gilbert表示:“联邦学习具有革命性的力量,可将AI创新融入到临床工作流程中。我们与EXAM的长期合作旨在使此类全球合作变得可重复和更有效,满足临床医生应对复杂健康挑战和未来流行病的需求。”

EXAM模型通过NVIDIA NGC软件中心公开,供研究者使用。企业和研究机构在开始使用联邦学习时,可以使用NVIDIA AI Enterprise软件套件中的AI工具和框架。该套件经过优化,可在NVIDIA认证系统上运行。

责任编辑:haq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4541

    浏览量

    101475
  • AI
    AI
    +关注

    关注

    87

    文章

    26129

    浏览量

    263710
  • 模型
    +关注

    关注

    1

    文章

    2671

    浏览量

    47571

原文标题:医疗AI和各个行业都需要联邦学习

文章出处:【微信号:NVIDIA-Enterprise,微信公众号:NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    AI语音与机器视觉开发应用系统

    一、简介 AI语音与机器视觉开发应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成,高性能嵌入
    的头像 发表于 01-26 11:24 107次阅读
    <b class='flag-5'>AI</b>语音与机器视觉<b class='flag-5'>开发</b>应用系统

    GitHub Universe 2023:副驾之力,跃上 AI 驱动的开发者平台

    及 GitHub Copilot 企业版新产品预览。 此外,还有全新 AI 驱动的安全性新功能及 GitHub Copilot 合作伙伴计划发布。 每一天,全球的开发者都要在更新往日的遗留代码和构建明日的数字化
    的头像 发表于 11-09 18:55 308次阅读
    GitHub Universe 2023:副驾<b class='flag-5'>之力</b>,跃上 <b class='flag-5'>AI</b> 驱动的<b class='flag-5'>开发</b>者平台

    【KV260视觉入门套件试用体验】Vitis AI 构建开发环境,并使用inspector检查模型

    FFT运算(Vivado) 四、硬件加速之—使用PL加速矩阵乘法运算(Vitis HLS) 五、Vitis AI 构建开发环境,并使用inspector检查模型 六、Vitis AI 进行模型校准和来
    发表于 10-14 15:34

    AI智能呼叫中心

    、数据驱动决策以及人力成本节约,旨在深入剖析其核心优势和对企业的重要意义。一、自动化处理AI智能呼叫中心通过引入自然语言处理(NLP)、机器学习和自动化技术,使得呼叫中心的处理过程更加高效和准确,AI
    发表于 09-20 17:53

    OpenHarmony AI框架开发指导

    如下图所示。 图1 AI引擎框架 2、搭建环境 准备开发板:Hi3516DV300或Hi3518EV300 下载源码 二、技术规范 1、代码管理规范 AI引擎框架包含client、server
    发表于 09-19 18:54

    新知同享 | AI 开发广泛应用,高效构建

    谷歌致力于通过高效、可靠的方法 构建 AI 驱动的产品 如今已经走过了七年 "AI 为先" 的旅程 一起来看 2023 Google 开发者大会上 AI
    的头像 发表于 09-09 19:10 320次阅读

    2023年AI开发平台分类、特征、规模及竞争格局

    AI开发平台主要分为传统的AI基础软件平台和集成式AI开发平台。AI基础软件为工程师提供了轻量级
    的头像 发表于 08-07 16:14 1163次阅读
    2023年<b class='flag-5'>AI</b><b class='flag-5'>开发</b>平台分类、特征、规模及竞争格局

    新物种:科大讯飞AI学习机LUMIE 10系列闪耀上市

    2023年7月6日,科大讯飞AI学习机暑期新品发布会上,LUMIE 10系列学习机以其强大功能、卓越性能和创新设计震撼亮相。这是科大讯飞推出的首款立式大屏AI
    的头像 发表于 07-06 16:48 605次阅读

    AI 人工智能的未来在哪?

    人工智能、AI智能大模型已经孵化;繁衍过程将突飞猛进,ChatGPT已经上线。 世界首富马斯克认为AI对人类是一种威胁;谷歌前CEO施密特认为AI和机器学习对人类有很大益处。 每个国家
    发表于 06-27 10:48

    利用 NVIDIA Jetson 将 AI 学习延展至边缘

    开发者套件,为开发者们提供了一个小巧而强大的平台,帮助他们将机器人和边缘 AI 视觉方面的想法变为现实。该平台已成为学习和教授 AI 的完
    的头像 发表于 06-13 20:55 348次阅读
    利用 NVIDIA Jetson 将 <b class='flag-5'>AI</b> <b class='flag-5'>学习</b>延展至边缘

    AI如何颠覆传统芯片验证方式?

    AI能做什么,而是它不能做什么。从当下热门的ChatGPT等聊天机器人到自动驾驶汽车,AI已经应用到我们日常生活的方方面面。即便是芯片设计这种过去视为可能不适用于AI的行业,现在也受益于越来越智能的
    的头像 发表于 06-08 17:55 349次阅读
    <b class='flag-5'>AI</b>如何颠覆传统芯片验证方式?

    亿图AI × 学习,终身学习的效率加速器

    还是职业发展,都需要我们在人生探索中不断学习。那么在当今人工智能广泛应用的数字化时代,我们要如何主动、高效地进行学习,以应对机遇和挑战?  亿图AI助手:你的知识整理专家 好的学习工具
    的头像 发表于 06-08 11:28 351次阅读
    亿图<b class='flag-5'>AI</b> × <b class='flag-5'>学习</b>,终身<b class='flag-5'>学习</b>的效率加速器

    小度青禾学习手机开启预售,搭载 AI 学习大模型

    电子发烧友网报道(文/李弯弯)日前,百度旗下小度品牌推出首款智能手机——小度青禾学习手机,主打青少年学生用户,内置定制系统,搭载AI学习大模型。5月22日,小度青禾学习手机正式开启预售
    的头像 发表于 05-24 01:14 1537次阅读

    联邦学习在边缘计算中的应用

    什么是联邦学习?   联邦学习(Federated Learning)是一种分布式机器学习技术     ,其核心思想是通过在多个拥有本地数据
    发表于 05-18 15:52 0次下载
    <b class='flag-5'>联邦</b><b class='flag-5'>学习</b>在边缘计算中的应用

    新思科技发布业界首款全栈式AI驱动型EDA解决方案Synopsys.ai

    研发与奥尔巴尼运营副总裁Huiming Bu表示:在先进技术节点上,用于光学邻近校正的精确光刻模型是不可或缺的。利用AI/ML(机器学习)可加速开发高精度模型,从而在芯片制造过程中获得理想结果。我们
    发表于 04-03 16:03