腾讯医疗健康携手微众银行成立联合实验室 联邦学习破解隐私难题

2020-08-21 10:03:28 推荐

2020年08月21日,腾讯医疗健康与微众银行,宣布成立联合实验室,结合腾讯天衍实验室在医疗影像、医疗机器学习与自然语言处理的技术积累,以及微众银行AI团队在联邦学习上的领先技术,双方将共同攻坚医疗联邦学习(Medical Federated Learning),搭建隐私保护数据平台,探索医疗领域的智能化应用。

腾讯医疗副总裁吴文达医生指出,医疗场景数据隐私问题处理至关重要,技术进步给医疗带来创新的同时也要兼顾隐私保护,让行业赢得良性发展,让用户获得便利、安全的使用环境。医疗联邦学习框架为医疗隐私和数据安全带来了新的解决思路,联合实验室的成立有助于双方集中技术优势,深耕医疗联邦学习应用,突破AI+医疗创新技术落地难题。

11.png

联邦学习既保护了不同机构的数据隐私,也提升了机器学习的效率

微众银行AI团队是联邦学习技术的引领者,而推动微众银行AI团队率先进行“联邦学习”研究并将其应用于业务中的,是微众银行首席人工智能官杨强教授,他也是最早研究“联邦学习”的国际人工智能专家之一。杨强教授介绍,联邦学习的原理是一种加密的分布式机器学习技术,参与各方可以在不披露底层数据和底层数据的加密(混淆)形态的前提下共建模型,也是一种共赢的机器学习方式。“联邦学习”可以让多个参与方数据不出本地不泄露隐私的条件下进行合作,而“迁移学习”是将从已有问题学习到的“知识”迁移到新问题上,实现举一反三,“联邦迁移学习”则是将“迁移学习”和“联邦学习”结合起来,帮助不同机构打破隔阂,联合建立AI模型,同时各方数据不出本地,用户隐私得到最好保护。目前微众银行已经在金融、医疗等行业领域落地应用新的技术。

联合实验室成立后,双方将继续汇聚优势及资源,集中在医疗影像辅助诊断、医疗大数据、医疗机器学习模型等多个方面展开深度合作,双方将研究在保护多方(如医院、企业等)数据的情况下的协作学习,从而打破数据孤岛的限制。特别地,在疫情期间由于患者数据需要绝对隐私使得许多AI技术无法得以施展,医疗联邦学习框架有望成为解决该问题的一剂“良方”。

微众银行杨强教授介绍,基于大数据及人工智能联合实验室合作项目,联合实验室将在医疗联邦学习框架下对新冠肺炎的追踪、诊断、预后作出积极的探索,例如在疫情中常态化检查和病情的朔源工作中,探索在保护用户隐私的情况下对用户是否具有感染风险并以绿码和红码两种形式进行表征。

此外,联合实验室还将针对新冠肺炎CT影像建立基于联邦学习框架的辅助诊断模型,让世界各地的医院可以在不泄露隐私的情况下共同学习、联合建模,从而极大地提升病例稀缺的医院的诊断准确率。

同时,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、医保基金控费、个人与机构拒付识别等等,以助力医疗健康产业发展,提升医疗服务的质量。

早在去年,腾讯天衍实验室和微众银行在医疗大数据、医学影像辅助诊断等领域便展开了合作,通过AI技术赋能的成果转化切实提高医务工作者的效率。联合实验室研究员赵瑞辉和鞠策联合研发了基于医疗联邦学习框架的“脑卒中发病风险预测模型”,该模型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精准预测,其预测准确率高达80%。另外,通过联邦学习技术,大型三甲医院数据资源可以帮助医疗服务匮乏病例少小型医院在模型预测指标上提升了10-20%。该工作以论文形式陈述(论文链接:https://arxiv.org/abs/2006.10517),并被FL-IJCAI'20高分录用。同时,该工作获得腾讯公司十大微创新项目奖。

腾讯天衍实验室负责人郑冶枫博士指出,双方成立联合实验室,有助于加速联邦学习技术在医疗领域的研究和应用,尤其在后疫情时代,医疗领域对AI和大数据等技术的应用转化需求激增,希望双方能进一步加速医疗创新技术的突破,切实提升AI医疗业务发展。

声明:本站转载此文目的在于传递更多信息,并不代表赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间删除内容,本网站对此声明具有最终解释权。

相关文章

{{news.title}}

{{news.timeFormat}} {{news.author}}

正在加载......