[[406170]]

本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

如今，在一些疾病的診斷領域，AI的準確率已經超過了醫生。

靠譜的診斷結果背后，是建立海量數據集上的機器學習。

但實際上，可用于訓練的醫療數據非常分散，想要把世界各地的數據都集合起來又會引發對數據所有權、隱私性、保密性、安全性的擔憂，甚至數據壟斷的威脅……

常用的方法如聯邦學習，可以解決上述的一些問題，但該模型的參數由“中央協調員”（ central coordinator）處理，造成了“權力”的集中，且它的星形架構也導致容錯性降低。

就沒有好的解決辦法嗎？

有，Nature封面為我們刊登了一種叫做Swarm Learning （群體學習，SL）的全新機器學習方法！

該方法結合了邊緣計算、基于區塊鏈的對等網絡，無需“中央協調員”，超越了聯邦學習，可以在不違反隱私法的情況下集合來自世界各地的任何醫療數據。

研究人員用了四個異質性疾病 （結核病、COVID-19、白血病和肺部病變），來驗證了Swarm Learning方法使用分布式數據來診斷疾病的可行性。

具體如何實現？

群體學習方法采用去中心化的架構，用私人許可的區塊鏈技術實現。

整個Swarm網絡由多個Swarm邊緣節點組成，節點之間通過該網絡來共享參數，每個節點使用私有數據和網絡提供的模型來訓練自己的模型。

該方法提供安全措施，以支持通過私有許可區塊鏈技術保證數據的所有權、安全性和機密性。

其中，只有預先授權的參與者才能加入，且新節點的加入是動態的，通過適當的授權措施來識別參與者，并通過區塊鏈智能合約注冊，讓參與者獲得模型，執行本地模型訓練。

直到本地模型訓練到滿足定義的同步條件后，才可以通過Swarm的API交換模型參數，并在新一輪訓練開始之前，合并新的參數配置來更新模型。

△ 群體學習與其他機器學習方法的架構對比

因此該群體學習方法具有以下特點：

• 可以將數據所有者的醫療數據保存在本地；
• 不需要交換原始數據，因此可減少數據流量（data traffic）；
• 可以提供高水平地數據安全保護；
• 無需中央管理員就可保證分散成員安全、透明和公平地加入；
• 允許所有成員同等權利地合并參數；
• 保護機器學習模型免受攻擊。

為了驗證該方法基于分布式數據開發診斷疾病功能的可行性，研究人員用它來診斷四種疾病。

區分輕度和重度 COVID-19 ，表現優于單個節點

首先是白血病。

研究人員將超過12000多個的樣本數據“孤立”到各個節點，以模擬中現實世界中分布在世界各地的醫療中心。

再用群體學習訓練這些數據再去診斷未知病人，他們發現，無論如何改變各個節點的樣本分布情況，群體學習方法的診斷準確率均優于單個節點。

接著使用群體學習識別結核病或肺部病變患者，結果也是如此，且減少訓練樣本的數量以后，群體學習的預測效果雖然下降，但仍優于任何一個單獨的節點。

緊跟疫情，研究人員也檢測了群體學習對于診斷新冠病毒的效果。

結果顯示，在區分輕度和重度 COVID-19 時，群體學習的表現優于單個節點。

最后，研究人員表示，群體學習作為一個去中心化的學習方法，有望取代目前跨機構醫學研究中的數據共享模式，在保證數據隱私等方面的情況下，幫助AI獲得更豐富全面的數據，為AI診斷疾病提供更高的準確率。

論文地址：
https://www.nature.com/articles/s41586-021-03583-3

GitHub代碼：

https://github.com/schultzelab/swarm_learning