AI与群体智力学会检测癌症，肺病和Covid-19

社区受益于分享其成员之间的知识和经验。在类似的原则上称为“群体学习”， - 南国际研究团队已经培训了人工智能算法，以检测血液癌，肺病和Covid-19以分散的方式存储的数据。这种方法具有优于传统方法的优势，因为它本质上提供了隐私保存技术，这有利于科学数据的跨场分析。因此，群体学习可以显着促进和加速研究中的协作和信息交流，特别是在医学领域。来自波恩大学Dzne的专家，信息技术公司Hewlett Packard Enterprise（HPE）和其他研究机构在科学期刊上报告这一点自然。

科学和医学变得越来越多。分析所得信息的卷称为“大数据“ - is被认为是更好的治疗方案的关键。”医学研究数据是宝藏。bob88体育平台登录他们在开发比常规治疗中更精确地制定对每个人量身定制的个性化疗法方面发挥着决定性的作用，“DZNe和医学科学研究所（石灰）教授的系统医学主任Joachim SchultzeBonn。“对于科学，能够尽可能多地使用这些数据并从尽可能多的来源。”

但是，在不同地点或甚至国家之间的医学研究数据交换符bob88体育平台登录合数据保护和数据主权法规。在实践中，这些要求通常只能以大量努力实施。此外，存在技术障碍：例如，当数量大量数据传输时，数据线可以快速达到它们的性能限制。鉴于这些条件，许多情况医学研究在本地限制，无法利用其他地方可用的数据。

数据在现场仍然存在

鉴于此，Joachim Schultze领导的研究合作测试了一种用于评估以分散方式存储的研究数据的新方法。这是HPE开发的仍然是年轻的“群体学习”技术。除了IT公司外，来自希腊，荷兰和德国的众多研究机构 - 包括“德国Covid-19 Omics倡议”（Decoi）的成员 - 参与了这项研究。

群学习结合了一种特殊的信息交换在一个网络的不同节点与方法的工具箱“机器学习”，一个人工智能(AI)的分支。机器学习的关键是对数据进行训练，以检测数据中的模式的算法，从而获得识别其他数据中已学习的模式的能力。“群学习为医学研究和商业合作提供了新的机会。bob88体育平台登录关键是所有参与者都可以互相学习，而不必分享机密数据，”HPE人工智能高级副总裁兼首席技术官吴永林博士说。

事实上，通过Swarm学习，所有研究数据都仍然存在。只有算法和参数都是分享的，学习的经验教训。“群体学习以自然的方式履行数据保护的要求，”Joachim Schultze强调。

协同学习

与“联邦学习”不同，其中数据也在本地，波恩科学家解释说，没有集中指挥中心。“基于所有合作伙伴提前一致的规则，群体学习以合作方式发生。这套规则在一个区间的区间捕获。”这是一种调节的一种数字协议信息交换在合作伙伴中以绑定方式之间，它将所有事件和所有各方都有可以访问。“区块链是群体学习的骨干，”Schultze说。“群体的所有成员都有平等的权利。没有核心力量会发生什么和通过结果。因此，有一个感觉，没有蜘蛛控制数据网。”

因此，AI算法在本地学习，即基于每个网络节点可用的数据。每个节点的学习结果通过区块链收集为参数，并通过系统巧妙地处理。结果，我。e。优化参数，传递给所有各方。该过程多次重复，逐渐提高算法在网络的每个节点处识别模式的能力。

肺图像和分子特征

研究人员现在通过分析肺部和转录om的X射线图像来提供这种方法的实际证明：后者是关于细胞基因活性的数据。在目前的研究中，重点是特别是在血液中循环的免疫细胞 - 换句话说，白细胞。“关于血细胞基因活性的数据就像分子指纹。他们认为有关生物体如何对疾病的反应的重要信息，”Schultze说。“转录om可以像X射线图像一样的大量提供，它们非常复杂。这正是人工智能分析所需的那种信息。这些数据非常适合测试群体学习。”

研究小组共有四种传染性和非传染性疾病：血癌的两种变种（急性髓性白血病和急性淋巴细胞白血病），以及结核病和Covid-19。数据包括总共超过16,000个转录om。数据的群体学习网络通常由至少三个和最多32个节点组成。研究人员独立于转录om，研究人员分析了大约100,000个胸部X射线图像。这些来自肺部或其他病理发现中液体积聚的患者以及没有异常的个体。这些数据分布在三个不同的节点上。

高成功率

转录om和X射线图像的分析如相同的原理：首先，研究人员用各个数据集的子集进入其算法。这包括关于患者来自哪些样本的信息，并且没有发现的人。然后使用“生病”或“健康”的学习模式识别来分类进一步数据，换句话说，它用于将数据分类为具有或不具有疾病的样本。准确性，即算法区分健康和患病的个体的能力，平均转录om（分别评估了四种疾病中的每一个）的平均值约为90％;在X射线数据的情况下，它的范围从76到86％。

“该方法在白血病中最佳地工作。在这种疾病中，基因活性的签名是特别引人注目的，因此对于人工智能来检测。传染病是更具变化的。然而，结核病和Covid-19也是非常高的。对于X射线数据，速率略低，这是由于数据或图像质量较低，“Schultze对结果进行了评论。“我们的研究证明，群体学习可以成功应用于非常不同的数据。原则上，这适用于通过人工智能方式的模式识别的任何类型的信息都很有用。是IT基因组数据，X射线图像，数据从脑成像或其他复杂数据。“

该研究还发现，群体学习产生的结果明显好，结果比网络中的节点分别学习。“每个节点都从其他节点的经验中受益，尽管只有本地数据是可用的。群体学习的概念已经通过了实际测试，”舒拉说。

对未来的愿景

“我相信，群体学习可以促进对医学研究和其他数据驱动的学科的巨大推动。目前的研究只是一个测试运行。在未来，我们打算将这种技术bob88体育平台登录应用于阿尔茨海默和其他神经变性疾病，”舒尔泽说。“群体学习有可能成为真正的游戏更换器，可以帮助让医药的丰富经验更加畅销全球。例如，还有研究机构，例如医院，例如，可以加入这样的群体，从而共享相互的信息，从而共同分享相互的信息益处。”

---

---