Intel、ペンメディシンが実施した医療分散学習の最大規模研究

Intel Labsとペンシルベニア大学のペレルマン医学校（Penn Medicine）は、医療分散学習の最大規模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に役立ちました。

この研究は、Nature Communicationsに掲載されました。

前例のない研究

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

Jason Martinは、Intel Labsのプリンシパルエンジニアです。

「分散学習には、特にヘルスケア分野で多くの潜在性があります。ペンメディシンとの研究で示されたように、機密情報とデータを保護する能力により、将来の研究と共同研究の扉が開かれます。特に、データセットが通常はアクセスできない場合に役立ちます。ペンメディシンとの共同研究は、世界中の患者に肯定的な影響を与える可能性があり、分散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。」

ヘルスケアにおけるデータのアクセシビリティ

ヘルスケア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、患者さんの健康情報が損なわれる可能性があります。ただし、Intelの分散学習ハードウェアとソフトウェアは、機密コンピューティングを使用してデータプライバシーに関する懸念に対応し、データの完全性を維持します。

チームは、Intelの分散学習技術とIntel Software Guard Extensions（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、データホルダー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対応します。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。

Rob Enderleは、Enderle Groupのプリンシパルアナリストです。

「世界中のコンピューティングパワーは、分析するのに十分なデータがないと、ほとんど何もできない」とEnderleは述べました。「この既に収集された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原因となっています。この分散学習研究は、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としての潜在性を実現するための実行可能な道を示しています。」

Spyridon Bakas博士は、ペンシルベニア大学のペレルマン医学校の病理学および臨床医学と放射線医学の助教授です。

「この研究では、分散学習は、多機関のコラボレーションを保護するための新たなパラダイムとしての潜在性を示しています。すべてのデータが各機関内に保持されたまま、glioblastoma患者の最大かつ最も多様なデータセットにアクセスできるようになります」とBakasは述べました。「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、希少な疾患であるglioblastomaを含む疾患の理解と治療を改善することができます。」

治療を進歩させるには、研究者が大量の医療データにアクセスすることが重要です。しかし、この量のデータは、1つの施設では通常扱うことができません。この新しい研究により、研究者は、分散学習を大規模に進めるためのマルチサイトのデータシロを解放することに近づきました。これらの進歩は、疾患の早期発見などの多くの利点をもたらす可能性があります。