インテル、ペンシルバニア大学医学部が実施した医療連携学習研究の最大規模な研究

インテル ラボとペンシルバニア大学医学部（ペン メディシン）は、医療連携学習研究の最大規模な研究の結果を発表しました。この共同研究では、機械学習（ML）と人工知能（AI）を使用して、国際的な医療および研究機関が悪性脳腫瘍を特定するのを支援しました。

この研究は、ネイチャー コミュニケーションズに掲載されました。

前例のない研究

この研究では、6 大陸にわたる 71 の機関から集められた前例のないデータセットを分析し、その結果は脳腫瘍の検出を 33% 改善できることを実証しました。

ジェイソン マーティンはインテル ラボのプリンシパル エンジニアです。

「連携学習には、特に医療分野で、多大な潜在性があります。私たちのペン メディシンとの研究では、その潜在性が実証されています。機密情報とデータを保護する能力により、将来の研究と協力の道が開けられます。特に、データセットが通常はアクセスできない場合にも効果的です。私たちのペン メディシンとの研究は、世界中の患者に良い影響を与える可能性があります。私たちは、連携学習の約束をさらに探求し続けることを楽しみにしています。」

医療におけるデータのアクセシビリティ

医療におけるデータのアクセシビリティは大きな課題です。州と国家のデータ プライバシー法により、医療研究とデータを大規模に実施することが難しくなり、患者情報が損なわれる可能性があります。インテルの連携学習ハードウェアとソフトウェアは、データ プライバシーに関する懸念に対処し、データの完全性を維持します。

研究チームは、インテルの連携学習テクノロジーとインテル ソフトウェア ガード拡張機能（SGX）を使用して、分散システムで大量のデータを処理しました。SGX は、データ共有の障壁を除去するのに役立ちます。このシステムは、データ所有者のコンピューティング インフラストラクチャ内に生のデータを保持することで、プライバシーに関する懸念にも対処します。データから計算されたモデル更新のみが中央サーバーまたはアグリゲーターに送信できます。データ自体は送信できません。

ロブ エンダーレはエンダーレ グループのプリンシパル アナリストです。

「世界中のすべてのコンピューティング パワーは、分析するための十分なデータがなければ何もできない」とエンダーレは述べました。「すでに収集されているデータを分析できないことは、医療分野で大きなブレークスルーを遅らせる要因となっています。この連携学習研究は、AI が進歩し、最も困難な病気と戦うための最も強力なツールになる道を示しています。」

スピリドン バカス博士は、ペンシルバニア大学医学部の病理学および臨床検査学と放射線学の助教授です。

「この研究では、連携学習は、すべてのデータが各機関内に保持されるまま、最大かつ最も多様なグリオブラストーマ患者データセットにアクセスできることを可能にすることで、多機関での協力を保障するパラダイム シフトとしての潜在性を示しています。機械学習モデルに与えるデータが多いほど、モデルはより正確になり、まれな疾患であるグリオブラストーマを含む病気を理解し治療する能力も向上します。」

研究者は、治療を進歩させるために大量の医療データにアクセスする必要があります。しかし、通常、1 つの施設ではこれらのデータを処理することが難しいです。この新しい研究により、研究者は、マルチサイト データ シロを解放し、連携学習を大規模に進めることができます。これらの進歩により、疾患の早期発見などの多くの利点がもたらされる可能性があります。