当前，英特尔和宾夕法尼亚大学佩雷尔曼医学院（宾夕法尼亚大学医学院）正在结成联盟，该联盟包括29个国际医学和研究机构，它们使用一种称为“联邦学习”的隐私保护技术来进行联盟。训练和认识脑肿瘤的人工智能模型。据报道，这项工作是由美国国立卫生研究院（NIH）的国家癌症研究所（NCI）的癌症研究信息技术（ITCR）项目资助的，并将提供给生物医学中心的主要研究人员宾夕法尼亚大学的图像计算和分析（CBICA）博士Spyridon Bakas提供了为期三年的研究资金，总计120万美元。英特尔研究院首席工程师杰森·马丁说：“人工智能在脑肿瘤的早期发现方面很有前途，但要发挥其全部潜力，它将需要比任何医疗中心更多的数据。借助英特尔软件和硬件以及英特尔的一些顶尖人才，在宾夕法尼亚大学的支持下，我们正在与宾夕法尼亚大学以及29个合作医疗中心组成的联盟合作，以保护敏感的患者数据，同时促进脑肿瘤的识别。”宾夕法尼亚大学的Spyridon Bakas博士认为：“机器学习培训需要大量且丰富的数据，这不是单个机构所能拥有的，这已经得到我们科学界的普遍认可。我们正在协调一个由29个相互合作的国际医学和研究机构组成的联合组织，该联盟可以使用包括“联邦学习”在内的隐私保护机器学习技术，并将在此基础上训练最先进的AI医学模型。今年，该联盟将开始开发用于识别脑肿瘤的算法。该算法的数据集来自国际脑肿瘤分割（BraTS）挑战赛中数据集的大幅扩展版本。该联盟将允许医学研究人员访问比以前更多的医学数据，同时保护这些数据的安全性。 ＆quot;这是怎么做的？你到哪儿了？宾夕法尼亚大学医学院和来自美国，加拿大，英国，德国，荷兰，瑞士和印度的29个医学和研究机构在美国使用“联邦学习”方法。技术来实现这一目标。这种分布式机器学习方法使组织无需共享患者数据即可在深度学习项目上进行协作。在2019年，宾夕法尼亚大学医学院和英特尔率先发表了一篇有关“联邦学习”的论文。在医学成像领域中，特别是表明“联邦学习”在医学成像领域中是最重要的。该方法可以训练模型，从而在没有隐私保护的情况下达到传统训练的准确性。其中99％。该论文最初在西班牙格拉纳达举行的2018年医学图像计算和计算机辅助干预国际会议（MICCAI）上发表。这项新工作将使用英特尔软件和硬件来实施“联合学习”计划。为模型和数据提供额外的隐私保护。根据美国脑肿瘤协会（ABTA）的数据，今年将有近80,000人被诊断出患有脑肿瘤，其中包括4,600多名儿童。为了训练和建立用于检测脑肿瘤的模型以帮助及早发现并获得更好的结果，研究人员需要获取大量相关的医学数据。然而，保持数据私密性并对其进行保护是至关重要的，这就是“联合学习”的目的。借助英特尔技术进来。这样，所有合作伙伴机构的研究人员将能够共同构建和训练一种算法，以在保护敏感医学数据的同时检测脑部肿瘤。在2020年，宾夕法尼亚大学医学院和29个国际医学和研究机构将使用英特尔的“联邦学习”软件。硬件和软件可以训练迄今为止最大的脑肿瘤数据集，以生成具有最佳性能模型的新AI，敏感的患者数据将分别存储在每个合作伙伴组织中。预计将参加联盟第一阶段的合作机构小组包括宾夕法尼亚大学医院，圣路易斯华盛顿大学，匹兹堡大学医学中心，范德比尔特大学，皇后大学，慕尼黑工业大学，伯尔尼大学，伦敦国王学院和塔塔纪念医院等。