提前預測重大疾?。÷?lián)邦學習打破數據壁壘，醫(yī)療AI不再是空中樓閣。

智東西(微信官方賬號:zhidxcom) |李水清

近日，騰訊田燕實驗室與微眾銀行的聯(lián)合研究表明，聯(lián)邦學習與醫(yī)療的深度融合對落地疾病預測領域有很大幫助。目前已經搭建了基于聯(lián)邦學習技術的大數據集中和挖掘平臺。從落地案例來看，可以將筆畫預測的準確率提高到80%。

近年來，醫(yī)療行業(yè)正在進行數字化轉型。這種基于大數據和AI技術的變革，幾乎改變了整個行業(yè)的方方面面，“信息就是力量”這句格言得到了淋漓盡致的體現(xiàn)。人們對人工智能寄予厚望，希望它能真正深入臨床一線，幫助醫(yī)生和患者。

理想很豐滿，現(xiàn)實卻很骨感。在這一巨變下，作為醫(yī)療AI成長不可或缺的“食物”，數據成為了醫(yī)療AI落地的“攔路虎”——國內醫(yī)療健康數據領域長期存在的“信息孤島”問題。不同地區(qū)甚至醫(yī)院的醫(yī)療數據沒有互聯(lián)互通，沒有統(tǒng)一的標準。與此同時，數據安全問題也面臨著巨大的挑戰(zhàn)。

數據讓醫(yī)療AI成為空中樓閣。在這一難題下，騰訊田燕實驗室與微眾銀行聯(lián)合開發(fā)了醫(yī)療聯(lián)邦學習框架，成功實現(xiàn)了不同醫(yī)院數據隱私保護下的疾病預測模型，解決了醫(yī)療行業(yè)數據安全和隱私保護問題。這是聯(lián)邦學習在醫(yī)療健康大數據領域應用的首個成功案例，為分診診療、慢病防控、疾病早期篩查、醫(yī)保控費落地等醫(yī)療健康的各種潛在應用探索了新的方向。首先，打破數據壁壘，保護數據隱私

在重大疾病早期篩查和預測領域，要想成功建立大數據疾病預測模型，需要對不同醫(yī)院的居民醫(yī)療信息和健康檔案進行整合建模。然而，由于信息系統(tǒng)的不統(tǒng)一，醫(yī)院管理機構對數據隱私泄露的擔憂，以及相關數據保護法規(guī)的限制，相關機構之間形成了數據壁壘，很少有醫(yī)院愿意共享數據，這使得AI很難在疾病預測領域“施展拳腳”。

在這個問題下，聯(lián)邦學習成了“良方”。聯(lián)邦學習是一種新的人工智能機器學習框架。其設計目標是在保證信息安全、保護終端數據和個人數據隱私、確保合規(guī)的前提下，在多個參與者或計算節(jié)點之間進行高效的機器學習。聯(lián)邦學習作為一種分布式機器學習范式，可以有效解決數據孤島問題，讓參與者在不共享數據的基礎上聯(lián)合建模，從技術上打破數據孤島，實現(xiàn)AI協(xié)同。

這項技術最早由谷歌在2016年提出，隨后微眾銀行在首席人工智能官楊強教授的帶領下，首次提出“聯(lián)邦轉移學習”，并開發(fā)了聯(lián)邦學習框架Federated AI Technology Enabler(FATE)，推動聯(lián)邦學習技術在行業(yè)內的應用。此前，聯(lián)邦學習在金融、互聯(lián)網、智能、智能等領域已經有不少成功的應用，但在醫(yī)療領域，由于醫(yī)療知識的專業(yè)性，電子病歷的復雜性給聯(lián)邦學習的建設帶來了種種困難。

近日，騰訊田燕實驗室結合自身醫(yī)療機器學習和自然語言處理的優(yōu)勢，與微眾銀行一起，將聯(lián)邦學習與醫(yī)療深度融合，將醫(yī)療模型與機器學習有機融合。通過搭建基于聯(lián)邦學習技術的大數據集中和挖掘平臺，他們共同開發(fā)醫(yī)療醫(yī)療聯(lián)邦學習技術。

這種創(chuàng)新技術讓醫(yī)療行業(yè)的數據問題“病有所醫(yī)”。聯(lián)邦可以繞過醫(yī)療機構之間的信息壁壘，而不是合并各自的數據，而是通過協(xié)議在它們之間傳輸加密信息。這個加密過程有一定的隱私保護機制，保證加密的信息不會造成數據泄露。每個醫(yī)療機構利用這些加密信息更新模型參數，從而實現(xiàn)使用所有患者數據而不暴露原始數據的訓練過程。

舉個例子，假設A醫(yī)院和B醫(yī)院想聯(lián)合訓練一個中風疾病預測模型，兩個醫(yī)院都有自己的科研病例數據。此外，B醫(yī)院還有模型標簽數據需要預測，比如中風發(fā)病率標簽。出于數據隱私保護和安全考慮，甲醫(yī)院和乙醫(yī)院不能直接交換數據。聯(lián)邦學習系統(tǒng)可以使用基于加密的患者樣本比對技術，在不公開各自數據的前提下，確認A醫(yī)院和B醫(yī)院的共享患者，不暴露互不重疊的患者，從而結合這些用戶的特征進行建模。確定了共享的用戶群后，就可以用這些數據來訓練疾病預測模型。