在Zui近接受《麻省理工学院技术评论》采访时 OWKIN联合创始人托马斯•克洛泽尔谈到了与美国和英国癌症中心的合作，以及即将发表的一篇关于在现实世界的医疗环境中使用联邦学习的论文。这篇论文强调了一些重要的基础设施挑战：，绝绝子！

人工智Neng离不开医生

薅羊毛。 网站名称：人工智Neng如何重塑医疗数据？ URL地址：https://www.cdcxhl.com/news/.html

这家伙... 在医疗保健领域应用联合学习面临一些挑战。先说说组合不同的模型可Neng会产生一个geng糟糕的主模型。目前研究人员正在努力改进现有的技术，以确保这种情况不会发生。另一方面联合学习要求每所医院具备训练机器学习模型的基础设施和技术人员。还有啊，标准化所有医院的数据共享也存在问题。

然后人工智Neng算法只需且只NengZuo到一件事情：在扫描中识别肿瘤。在大规模和高精准的情况下它Ke以hen好地Zuo到这一点。

“逼真”的核磁共振图像

这种模式在hen大程度上是合作性的。在注释领域投入巨资的科技巨头和政府机构正在向其他研究人员公开这些数据库。

现在大部分人工智Neng算法dou是通过输入输出对来训练的。 歇了吧... 比如向人工智Neng输入1万张肿瘤的核磁共振扫描图。

苹果通过与数百家医疗机构以及与Cerner和Epic两大EHR巨头合作，旨在解决医疗保健领域的数据互操作性问题。除此之外 苹果正在围绕其两个Zui受欢迎的产品，Apple Watch和iPhone建立一个医疗保健生态系统，简直了。。

Ru果你在Twitter上hen活跃， 并且一直在密切关注人工智Neng，你可Neng会遇到一些人，他们利用一种叫Zuo“生成对抗性网络”(GAN）的东西来创造“逼真”的假图像，比如假狗狗、假汉堡和假鲜花。

数据带来的麻烦

但是患者的数据是敏感、 孤立和杂乱的，并且回避了一些关于访问和算法训练准确性的基本问题：，我比较认同...

这家伙... 联邦学习是一种在保护隐私的原则上，利用敏感用户数据来训练人工智Neng的新兴方法。

冲鸭！ DeepMind开发了AI眼病诊断工具， 可识别50多种威胁到视力的眼科疾病，准确率高达94%。为了对系统进行基准测试， DeepMind用1000次未用于训练AI的扫描后来啊对软件进行了测试，与普通眼科医生给出的后来啊进行比较，产生任何分歧dou由一位超过10年经验的资深认证专家进行评判。

不再过度依赖电子健康记录数据

在接受《南华早报》采访时 中国独角兽依图科技公司报告说DeepMind团队拥有400名兼职医生， 绝了... 只为了标注医疗数据。

改进一下。 人工智Neng公司需要医学专家对图像进行注释，教会算法如何识别异常。

英伟达公司的研究论文得出结论，利用合成核磁共振图像增加现实世界的数据有助于改善肿瘤分割。这为机器学习在医学成像领域面临的两个挑战提供了一个潜在的解决方案， 这两大挑战分别为：在保护患者隐私的原则上，如何进行数据共享、依靠图像发现疾病的概率hen小。

这表明了一个新的趋势， 未来在医疗保健领域，企业不再仅仅依赖于EHR数据， 蚌埠住了... 而geng多的从可穿戴式设备等进行实时数据收集和分析。

太刺激了。 一个有趣的新兴趋势是使用人工智Neng本身来帮助生成geng多“逼真”的合成图像来训练人工智Neng。比方说英伟达公司就利用GAN“伪造”脑瘤的核磁共振图像，以此来推进肿瘤分割的发展。

联邦学习是否适用于医疗保健领域

换言之... 一开始使用合成数据训练人工智Neng，以此达到保护患者隐私的目的。但是因为可穿戴设备带来geng多的数据流，如何保护患者隐私成为重要挑战。本文， 我们将深入研究人工智Neng是如何改变医疗数据的收集和使用方式，并从苹果、谷歌和fake puppy中汲取一些经验。

谷歌Zui先引入了针对Android键盘的联邦学习。如今OWKIN公司正在对患者数据采取类似的方法。简单说就是患者数据不会离开医院，也不会发送到中央云服务器。 我傻了。 该模型使用本地数据在医院内部进行geng新，只有这些geng新被发送到云端。这家由谷歌风投投资的公司本月进行了首轮融资。