Nat Med使用人工智能安全地从患者数据中检测癌症

时间：2022-07-26 10:24:52 来源：网络整理

人工智能(AI)可以分析大量数据，如图像或试验结果，并可以识别往往无法被人类检测到的模式，这使得它在加速疾病检测、诊断和治疗方面非常有价值。

然而，在医疗环境中使用该技术存在争议，因为存在意外数据泄露的风险，而且许多系统由私营公司拥有和控制，它们有权访问患者的机密数据，并有责任保护这些数据。

研究人员开始研究一种被称为群体学习的人工智能，是否可以在不公布医院数据的情况下，帮助计算机在患者组织样本的医学图像中预测癌症。

群学习训练人工智能算法，以检测当地医院或大学数据中的模式，例如人体组织图像中的基因变化。然后，群体学习系统将这个新训练的算法——但重要的是，没有本地数据或患者信息——发送到中央计算机。在那里，它与其他医院以同样的方式生成的算法相结合，形成一个优化的算法。然后这些数据被送回当地医院，在那里重新应用于原始数据，由于其更敏感的检测能力，从而提高了对基因变化的检测。

通过多次这样做，可以改进算法，并创建一个适用于所有数据集的算法。这意味着，无需将任何数据发布给第三方公司，或在医院之间传送或跨越国际边界，就可以应用这项技术。

该团队根据来自北爱尔兰、德国和美国的三组患者的研究数据训练了人工智能算法。该算法在利兹生成的两组大型数据图像上进行了测试，结果发现，该算法成功地学会了如何预测图像中不同亚型癌症的存在。

这项研究是由利兹大学医学院客座副教授、亚琛工业大学医院研究员雅各布·尼古拉斯·凯瑟领导的。研究小组包括Heike grabch教授和phil Quirke教授，以及来自利兹大学医学院的Nick West博士。

凯瑟博士说:“基于5000多名患者的数据，我们能够证明，经过群体学习训练的人工智能模型可以直接从结肠肿瘤组织的图像中预测临床相关的基因变化。”

利兹大学医学院病理学教授菲尔·夸克说:“我们已经证明，在医学领域，群体学习可以用来训练独立的人工智能算法，用于任何图像分析任务。这意味着，在机构不必放弃对其数据的安全控制的情况下，有可能克服数据传输的需求。

“创造一个可以完成这项任务的人工智能系统，可以提高我们在未来应用人工智能的能力。”

Journal Reference:

Saldanha, O.L., Quirke, p., West, N.p. et al. Swarm learning for decentralized artificial intelligence in cancer histopathology. Nat Med, 2022 DOI: 10.1038/s41591-022-01768-5

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。