Nature封面：人工智能AI新算法！跨越医疗原始数据隐私问题进行学习

6月15日通告，的通讯设备研习领域上新重大突破又一次登上国际间季刊《自然现象》（Nature）封套。

社会性人工智能颇受异种集、巢中亦会这类社亦会性动物的不当启发而来，可用作预见体育赛事、投票选举等举办活动的结果。但它还可以做到来得多。比如，在不无视个人资料法的前提将来自全球性的保健数据库顺利完成建构，以便更快可靠地检查患可能会严重病因的症状。

除此以外，比利时波恩大学的深入研究工作人副手牵头英特尔公司以及来自希腊、荷兰、比利时的多家深入研究行政部门，共同开发上新了一种将楔形算出、基于区块链的对等互联结合起来的应用服务认知物理方法有——「Swarm Learning」（社会性研习，SL），可以从高度集中存储的数据库中亦会检查显露多种病因，有助加速全球性区域内的精准保健协同，能用作各有不同保健行政部门之间数据库的建构

深入研究工作人副手基于1.64万份体液连锁反应苷酸第一组和9.5万份脸部X射线图形数据库，用作SL为帕金森氏症、胃癌和肺部病因、COVID-19开发上新病因检查线性，见到SL在考虑到连锁反应查法规的同时胜过单个保健行政部门开发上在此之后线性。解法定位显露体弱性状的准确率，在体液连锁反应苷酸第一组数据库密集亦会平均为90%，在X射线图形数据库密集亦会展现显露为76%-86%。

深入学术论文于5月27日以 Swarm Learning for decentralized and confidential clinical machine learning 为题发表在杂志 Nature 上，并登上了简介一期的杂志封套。

论文链接：

更快可靠地检查患可能会严重病因的症状是精准保健的主要期望，而 AI 可以不错地来进行。但由于个人资料法的保障，电子技术上的解决办法和实施上的能行之间依赖于着相当大的差距。虽然 AI 消除方案其本质上依赖前提的解法，但实际却来得依赖大数据库。目前，大量的数据库掌握在世界各地上百万的保健行政部门占为己有亦会，很难安全和高效地包涵，而各自的本地数据库又难以考虑到的通讯设备研习的颇受训。

针对这一疑虑，波恩大学的 Joachim Schultze 和他的合作关系伙伴提显露了一种名为 Swarm Learning（群集研习）的去教育举例来说的通讯设备研习的系统，变为了意味着一环行政部门物理深入研究中亦会密集亦会数据库包涵的方式。Swarm Learning 通过 Swarm 互联包涵变量，再在各个站点的本地数据库上基本上重构基本概念，并透过区块链电子技术对企图受到破坏 Swarm 互联的蓄意发起者实施强有力的措施。

Swarm learning 的组件

一、比州政府研习来得安全和，SL可保障保健数据库包涵

精准保健的期望是能更快准确地检查显露患可能会严重病因和异质性病因的症状，而的通讯设备研习有助借助这一期望，例如根据病人的体液连锁反应苷酸第一组数据库来定位到底患帕金森氏症。然而，应用到实际还依赖于很多疑虑。

基于认知物理（AI）的病因病因方法有，其本质上不只能依赖前提的解法，来得依赖大型颇受训数据库集。由于临床数据库本身是高度集中的，保健行政部门本地的数据库量多半没法颇受训显露可靠的线性。因此，根据保健数据库重构显露的基本概念，只能能消除本地疑虑。

从认知物理角度看，将各地保健数据库顺利完成密集亦会处理是来得好的选择，但这依赖于难以避免的缺陷。还包括数据库量疑虑，以及对数据库所有权、连锁反应查性、个人资料性、安全和性和数据库垄断等可能会的担忧。

因此，并不需要来得有效率、准确、高效的消除方案，并且必需在个人资料和伦理不足以之处借助连锁反应查尽快，还要顺利完成安全和和容错设计。

州政府研习方法有（Federated Learning）消除了其中亦会的一些疑虑。数据库保依赖于数据库使用权本地，连锁反应查性疑虑获取消除，但变量设置仍要正中亦会央技术顾问协调。此外，这种星型Core减少了容错能力。

相比于已相对流行的州政府研习方法有，来得好的选择是实施实际上去教育举例来说的认知物理消除方案，即SL来消除已有方案的不足以，兼顾临床领域固有的应用服务数据库构件以及数据库个人资料和安全和条例的尽快。

SL较强以下绝对优势：（1）将大量保健数据库保存至数据库使用权本地；（2）不并不需要互换原始数据库，从而减小数据库量；（3）提供高级别的数据库安全和保障；（4）必需保证互联中亦会小团体的安全和、透光和不公自组，以后并不需要正中亦会央共管副手；（5）允许变量分割，借助所有小团体行政权平均分配；（6）可以保障的通讯设备研习基本概念免颇受攻击。

从概念上说是，如果本地有足够的数据库和电子算出机基础设施，的通讯设备研习就可以在本地顺利完成。

对比几种的通讯设备研习方法有，深入研究工作人副手见到，基于名曰的的通讯设备研习（Central Learning）亦会造成了数据库密集亦会移动，可用作颇受训的数据库量大大减小，相比于数据库和算出在不不足以之处地点的Local Learnling方法有，的通讯设备研习的结果获取提升，但依赖于数据库重复用作、数据库量减小以及数据库个人资料、数据库安全和等不足以之处的疑虑。州政府研习方法有用作只能供变量IP负责管理催化和分发，其他正中亦会央构件仍被保存。SL，省去只能供IP，通过Swarm互联包涵变量，并且在各个结点的所有权数据库上基本上重构基本概念。

四种的通讯设备研习方法有相对

SL提供安全和措施以支持者数据库统治权，这由私人使用权的区块链电子技术借助。每个发起者都有确切的定义，只有事先批准后使用权的发起者才可以执行买卖。上在此之后结点自组是动态的，有前提的批准后措施来定位互联发起者。上新结点通过区块链人工智能合约注册，获取基本概念，并执行基本概念的本地颇受训，告诉考虑到定义的实时前提。接下来，基本概念变量通过Swarm应用程序演算API（API）顺利完成互换，并开始下一轮，分割创建一个较强来得上新变量设置的来得上新基本概念。

在每个结点，SL分为中亦会间件和应用层。应用环境还包括的通讯设备研习互联服务、区块链和SLL。应用层则包含基本概念，例如统计分析来自帕金森氏症、胃癌和COVID-19症状的体液连锁反应苷酸第一组数据库或等离子幻灯片等获取的基本概念构件。

二、社会性研习，源自自然现象的意念

三、颇受训取样减小50%时，SL性能指标仍来得优

深入研究共展览品了四个情形：

情形一是，用作12000多位症状的外周血单个连锁反应蛋白质（PBMC）连锁反应苷酸第一组数据库构成的三个数据库集（A1-A3，还包括两种特性的molecular和RNA测序），以及默认设置的连续深度神经互联解法来顺利完成试验。

针对每个真实世界布景，取样被分作不重复用作的颇受训数据库集和一个全局试验数据库集，用作试验在单个结点上SL建立的基本概念。颇受训数据库集以各有不同的常见于方式被“隔绝”在每个Swarm结点上，来模拟器临床深入研究保健上的不足以之处布景。

急性精蛋白质帕金森氏症（AML）症状的取样作为确诊（cases），其他所有取样作为对照第一组（controls）。模拟器中亦会的每个结点，都可以都有一个保健教育中亦会心、一个医院互联、一个国家或任何其他基本上的第一组织，这些第一组织亦会造成了有个人资料尽快的本地保健数据库。

SL检查帕金森氏症

首先，把确诊和对照第一组不微小的常见于到结点（数据库集A2）和结点上，见到SL结果胜过单个结点的性能指标。在这种前提，教育中亦会心基本概念的展现显露只能大抵好于SL。用作数据库集A1和A3试验正因如此有相当相似的结果，这强烈支持者了SL性能指标的提升跟数据库收集或者数据库填充电子技术（molecular或RNA测序）无关的观念。

另外五个布景正因如此在数据库集A1-A3上顺利完成了试验：（1）在试验结点用作微小常见于的取样，其确诊和对照第一组%-与第一个布景中亦会的相似；（2）用作微小常见于的取样，但将来自特定临床深入研究深入研究的取样分开，使颇受训结点和结点之间有各有不同的确诊和对照第一组%-：（3）减小每个颇受训结点的取样大小；（4）在只能供颇受训结点用作各有不同电子技术填充的孤立取样；（5）用作各有不同的RNA-seq电子技术。在这些布景中亦会，SL的展现显露都胜过单结点性能指标，并且吻合或者和教育中亦会心基本概念性能指标相同。

急性淋巴蛋白质帕金森氏症（ALL）症状的取样正因如此在这几个布景下顺利完成了试验，将病因区域重构至以四种帕金森氏症特性都是以的多类疑虑。

情形二是，用SL从体液连锁反应苷酸第一组数据库中亦会定位胃癌症状。

基于胃癌取样，将确诊和对照第一组%-微小常见于在各结点中亦会。结果显示，在这些前提下，SL的性能指标胜过单结点性能指标，并且展现显露大抵好于正中亦会央基本概念。深入研究只能对一般来说胃癌顺利完成病因。将潜伏病菌的胃癌症状作为对照第一组，取样和对照第一组保持微小常见于，但减小用作颇受训的取样量。在这些来得具趣味性的前提下，虽然SL整体性能指标稍稍回升，但是SL性能指标即便如此胜过任何单结点性能指标。

颇受训取样减小50%时，SL即便如此胜过单结点性能指标，不过这时单结点和SL性能指标都相对低。然而与一般前提下的观察结果恰当，SL性能指标与教育中亦会心基本概念相对吻合：颇受训数据库减小时认知物理的展现显露来得好。将三个结点的颇受训数据库分作六个较小结点时亦会减少每个结点的性能指标，但是透过SL造成了的结果并没有人变差。

SL检查胃癌

由于胃癌较强全国性特征，胃癌取样可以用来模拟器潜在爆发的真实可能会，以便具体SL的绝对优势和潜在限制，进而深入研究具体如何消除这些疑虑。

由结点模拟器的三个基本上区域仍未有足够的但各有不同量的确诊取样，在这种前提，SL的结果几乎和之前没有人什么波动。而情形和对照第一组最少的结点性能指标轻微回升。试验结点的情形%-减少导致结点性能指标变差。

情形三是，用作一个大型的披露脸部X射线图形数据库集来消除多类预见疑虑。SL在预见所有等离子学见到（肺积水、渗显露、表层和无见到）不足以之处胜过每个结点的性能指标，这确实SL也受限制作非连锁反应苷酸第一组数据库领域。

情形四，发表意见了SL到底可以用作检查COVID-19症状。虽然多半COVID-19是用作基于PCR的检查方法有来检查流感病毒RNA。但在细菌推断出、特定细菌检查唯不也许、这两项检查也许造成了有假有性结果等前提，风险评估特定寄生虫质子化也许是有益的，而深入研究体液连锁反应苷酸第一组有助探究寄生虫的免疫质子化。

SL检查COVID-19

作者通过在欧洲招募来得多的保健教育中亦会心来获取数据库，这些教育中亦会心在年龄、异性恋和高度集中病因的总体上有各有不同的症状常见于，由此填充了八个基本上特定正中亦会央子数据库集。

SL可以解决问题异性恋、年龄或双重病菌等偏差，并在区分轻度和重度COVID-19症状时，SL的展现显露胜过单结点性能指标。证据确实，来自COVID-19症状的体液连锁反应苷酸第一组都有了一个可以应用SL的特定领域。

四、SL的发展前景大片，加速全球性精准保健协同

随着各方都在关注如何遏制数据库个人资料和安全和疑虑以及减小数据库量和重复用作，去教育举例来说的数据库基本概念将带进处理、存储、管理工作和统计分析任何特性的大型保健数据库集的首选方法有。

相比之下学不足以之处，基于的通讯设备研习的检查、亚型统计分析和结果预见都取得了阶段性尝试，但是其重大突破颇受到数据库集规模极少的以致于，目前的个人资料条例使得开发上新高度集中式认知物理的系统的吸引力减少。

SL作为一种去教育举例来说的研习的系统，变为了意味着一环行政部门物理深入研究中亦会数据库包涵的范式。

对于企图受到破坏Swarm互联的人，SL的区块链电子技术提供了强有力的解决问题措施。SL通过设计提供了连锁反应查的的通讯设备研习，可以继承线性的系统个人资料解法、函数加密或加密只能供研习方法有不足以之处的上新重大突破。

全球性协同和数据库包涵相当不可或缺，并且SL在这两个不足以之处依赖于固有绝对优势，并且来得大的绝对优势是不并不需要数据库包涵而反之亦然转化成知识包涵，从而借助实际上数据库连锁反应查前提下的全球性协同。

事实上，立法者强调的个人资料规则在再次发生大规模流行病时实际上受限制。相比之下此类巨变中亦会，认知物理的系统并不需要遵守伦理准则并且尊重人权。像SL这样的的系统——允许不公、透光和被高度监管的包涵数据库统计分析同时保障数据库个人资料——将颇受到赞赏。

深入研究工作人副手确信应该探索SL根据X射线图形或CT成像结果、构件化健康记录数据库或者来自于病因的可穿戴通讯设备数据库，来对COVID-19顺利完成基于图形的病因。

SL用作连锁反应苷酸第一组学（或其他临床数据库）统计分析是相当有去留的方法有，可以在临床领域的示范认知物理的用作，同时提升数据库连锁反应查性、个人资料和数据库保障总体，以及减小数据库量。

五、全球性登革热背景下，期待SL依赖于

这篇深入研究证明了SL的性能指标的可靠性。在全球性登革热多年来短时间的前提，流感病毒大幅造成了上在此之后兰花，对于各国保健行政部门都是一种挑战。如果透过SL电子技术在数据库连锁反应查的前提对全球性不足以之处的保健数据库顺利完成建构统计分析，来得快病因病状，也许对高度集中登革热亦会有不可或缺设法。

数据库是认知物理的发展的体液，但是数据库个人资料安全和的疑虑越发突显出。我们仍未探究到州政府研习电子技术能让数据库在脱敏的前提被处理统计分析，今日，SL带进一种分析方法有。它将通过常见于式处理方式，为数据库安全和应用及认知物理金融业的的发展带来上在此之后无疑。

Schultze 坚信他们的深入学术论文将亦会对全球性区域内的保健数据库包涵造成了革上新。「我确信 Swarm Learning 可以极大地推动物理深入研究和其他数据库驱动的学科。目前的深入研究只是一次试运行。将亦会，我们打算将这项电子技术应用作阿尔茨海默氏症和其他神经衰微性病因。」

英特尔认知物理助理电子技术充任兼高级副总裁 Eng Lim Goh 博士也说明：「Swarm Learning 为物理深入研究和商业合作关系另辟了上在此之后机亦会。极为不可或缺是所有发起者都可以相互研习，而仍要包涵美国国家安全局数据库。」

上述章节来自的通讯设备自是，智东西等