『智东西』医疗AI不再是空中楼阁，提前预测重大疾病！联邦学习打破数据壁垒( 二 )
【『智东西』医疗AI不再是空中楼阁，提前预测重大疾病！联邦学习打破数据壁垒】
文章图片
▲图片来源：天衍-微众投稿给人工智能顶级会议IJCAI2020的论文
如此一来 ， 联邦学习技术就成功破解医疗行业信息孤岛和隐私保护难题 ， 实现了在保护不同医院数据隐私下的疾病预测模型 ， 而这项技术也在疾病预测领域落地 ， 双方成功构建“脑卒中发病风险预测模型” 。
二、落地疾病预测领域 ， 脑卒中预测准确率达80%在构建疾病预测模型过程中 ， 不同医院数据缺乏标准化是关键性难题 。 双方首先通过搭建的大数据集中与挖掘平台 ， 构建医疗健康领域机器学习、深度学习、自然语言理解、文本特征抽取、多种关系网络等多种大数据模型 ， 对地区居民连续电子病历和其它数据进行多重关联和信息抽取 。
在这个过程中 ， 需要构建带有时间标志的重大慢病标签 ， 如脑卒中、冠心病、肿瘤、慢阻肺等 ， 以及大健康医疗特征 ， 如疾病、用药、检查、症状、手术、费用、家庭关系、行为、生活、环境等 ， 并对不同医院构建统一的数据标准形成疾病标签集与特征集 。
通过技术力量对疾病预测模型所需特征进行标准与归一化后 ， 再将标准化模型部署到不同医院 ， 使各医院按照该标准对自有的疾病、用药、检验检查、症状、手术等方面的数据进行清洗 ， 形成各自的标准化的疾病标签集与医疗特征集 ， 再以此建立巢式病例对照研究队列 ， 基于联邦学习算法协议 ， 有效训练机器学习模型 。
通过使用来自就诊记录数量TOP5的医院真实就诊数据验证 ， 基于横向联邦学习的脑卒中预测模型的有效性良好 。 结果显示 ， 联邦学习模型和集中训练模型表现几乎一致 ， 在脑卒中预测模型中的准确率达到80% ， 仅比集中训练模型准确率降低1%；同时 ， 联邦学习技术对于两家脑卒中确诊病例数量较少的医院而言 ， 提升其准确率10%和20%以上 。 因此 ， 基于联邦学习的联合模型效果优于任意一家医院独立建模结果 ， 与集中数据训练所得模型效果相比也差异甚微 ， 为不同医院的联合建模探索出了新的方向 。
双方的这一成功合作案例仅仅是医疗联邦学习落地应用的开始 ， 除疾病预测模型外 ， 后续双方将就联邦学习在医疗大数据领域的应用落地进行更多维度的合作 ， 包括医保控费、合理诊断、精准医疗等领域 。 医疗联邦学习作为基础技术框架 ， 可以挖掘并利用医疗健康数据 ， 构建不同的医疗场景应用 ， 如通过联邦学习助力电子健康卡实现保护用户隐私建模等等 ， 以助力医疗健康产业发展 ， 提升医疗服务的质量 。
感谢阅读 。 点击关注上船 ， 带你浪在科技前沿~
推荐阅读
- 爱芙悦芳疗学院精油是什么东西？对人体有害吗？有什么好处吗？
- 血糖@得了糖尿病，哪些东西不能吃？如果能做到，血糖会悄悄降
- 养生畅谈这东西抹抹脸，效果比玻尿酸都好，刚二十出头就已有皱纹
- 健康百科汇全是假的，告诉家人赶紧扔了，如果你家冰箱里还有这些东西快别吃
- 牙齿@牙齿内侧出现的黄泥，软软的还发臭，是什么东西？土方法帮你清除
- 福建日报漳州观察让优质医疗资源下沉，漳州：健全分级诊疗体系
- 第二诊疗意见美国的远程医疗在一夜之间实现理想
- 肌肤小知识你知道是什么吗？，痘痘里的脏东西
- 「肝脏」48岁女子，查出肝癌，2样东西吃太多，易惹癌上身，再喜欢也要少吃
- 「肿瘤」为什么有人发现癌症后，一治疗就很快去世？真相不再隐瞒