印第安纳大学医学院的研究人员正在领导一项多地点研究，使用一种保护隐私的人工智能方法，称为联邦学习，来改善乳腺癌风险预测，减少癌症预防护理中的健康不平等。美国国立卫生研究院下属的国家癌症研究所为这项研究提供了一项为期五年、370万美元的新资助。
这项合作研究的研究人员将使用联合学习来分析和学习从参与地点获得的数据，目标是预测乳腺癌的风险，同时从不同的患者群体中获得知识。“我们将有一种人工智能方法，可以做到这一点为妇女健康的未来做出贡献，”计算司司长Spyridon Bakas说她是美国印第安纳大学医学院的病理学教授，也是该项目的主要研究者。“联邦学习是像这样的多站点协作的新范例，因为它允许访问大量数据重要的多样化数据对于开发健壮的模型至关重要，而无需跨站点共享患者数据。这笔拨款使我们能够利用联合学习技术，开发一种改进的乳腺癌风险评估模型，旨在预测乳腺癌，并将在多个患者群体中进行转化。”
联邦学习是一种使用分散数据协同训练复杂人工智能模型的机制，这意味着它永远不会离开相应的机构，从而增加了数据隐私。Bakas说，这创造了更多的信任，减轻了患者对隐私的担忧。
参与这项合作研究的其他机构包括梅奥诊所、圣路易斯华盛顿大学、宾夕法尼亚大学和哥伦比亚大学。每个站点都将提供接受3D数字乳房断层合成的患者的去识别数据，这是一种乳腺癌筛查方法，比传统的2D数字乳房x光检查使用得更广泛。研究人员将使用联邦学习来分析和学习所有参与站点获得的数据，然后创建一个开源的人工智能模型，目标是在从不同的患者群体中获取知识的同时预测乳腺癌的风险。
乳腺癌是女性癌症死亡的第二大原因。该项目中使用的数据将来自接受乳腺癌筛查的患者，其中一些人会随着时间的推移患上癌症，而另一些人则不会。
在五年的时间里，该项目的目标包括:
- 建立乳腺癌风险评估模型，利用多地点、不同种族的妇女进行乳房筛查的数据。
- 通过添加来改进这些初始模型地理位置多样的站点。
- 生成符合每个站点当地患者群体特征的真实合成成像数据，并将其用于数据增强和隐私保护。
- 创建一种自动化机制，用于定量和可解释地确定医疗保健人工智能模型中的最佳隐私保护。
Spyridon白痴。图片由印第安纳大学医学院提供
Bakas说:“我们的模型的目标是预测女性何时以及是否会更早地患上乳腺癌，并评估她们未来患乳腺癌的风险。”“我们更注重预测而不是诊断，更注重主动而不是被动。”
研究人员还专注于创建人工智能模型，以解释健康差异和健康不平等，因为许多患者无法获得全面的卫生系统。“这些模型通常不能在社区医院环境中训练，因为他们没有资源，”Bakas说。“通过联邦学习，我们从不同的人群中获得这些知识，然后我们将人工智能模型分发到其他社区环境中进行应用。
“我们这项研究的总体目标是一个易于使用，可翻译，值得信赖的联邦学习框架，降低服务不足人群参与大规模联邦学习研究的障碍，并从这种技术进步中受益，从而为解决健康差距铺平道路。”
其他参与研究的人员包括哥伦比亚大学的Despina Kontos，梅奥诊所的Celine Vachon，华盛顿大学的Aimilia Gastounioti，宾夕法尼亚大学的Anne Marie McCarthy和英特尔公司的Prashant Shah。
他们说的是:
“科学界开发的开源软件工具推动了医疗保健领域的数字化转型时代。这些工具不仅通过使人工智能易于使用而使其民主化，而且还鼓励医疗保健研究人员探索可重复性和稳健性如何对患者结果产生积极影响。通过采用开源工具并公开我们训练有素的人工智能模型，我们正在培养一种协作和透明的文化，这对创新至关重要，同时共同建设更美好的未来。”——Sarthak Pati，印第安纳大学软件架构师
“联邦学习使模型能够从众多合作者的有限数据中学习，同时克服数据所有权、隐私和监管问题。它可以收集有意义的罕见疾病数据，有助于创建适用于不同人群的强大机器学习模型，减少健康差距和不平等。”——Prashant Shah，英特尔健康与生命科学部人工智能主管
本文来自作者[雁易]投稿，不代表OJ号立场，如若转载，请注明出处：https://wap.ojmki.cn/jyfx/202508-3352.html
评论列表（4条）
我是OJ号的签约作者“雁易”！
希望本篇文章《IU研究：利用人工智能评估乳腺癌风险，缩小差距》能对你有所帮助！
本站[OJ号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：印第安纳大学医学院的研究人员正在领导一项多地点研究，使用一种保护隐私的人工智能方法，称为联邦学习，来改善乳腺癌风险预测，减少癌症预防护理中的健康不平等。美国国立...