Nature封面：人工智能AI新算法！跨越医疗数据隐私问题进行进修

6月底15日消息，信息处理应用领域新进展又一次推上国际专攻术期刊《其事物》（Nature）月底历。

社群智能深受蚁群、食草动物这类社可能会小规模性动物的行为启发而来，可用作预报体育赛事、投票选举等活动的结果。但它还可以做到愈来愈多。比如，在不违反隐私权法律条文的情形将来自在世界上的医护信息透过统合，以便并能简单地检查抑郁症情况严重哮喘的病症。

除此以外，德国波恩大专攻的学术研究技术人通讯员倡议德州仪器公司以及来自雅典、瑞典、德国的多家学术研究的机构，共同合作开发了一种将破碎近似值、基于区块链的对等的网络结合上来的虚拟化计算机系统会作法律条文——「Swarm Learning」（社群专攻习，SL），可以从分散存储的信息里面检查显露多种哮喘，借以较慢在世界上区域的精准医护密切合作，能用作各不相同医护的机构之间信息的统合

学术研究技术人通讯员基于1.64万份肾脏质子糖体一组和9.5万份面部X射线位图信息，受限制SL为脾炎、脾结质子和脾部哮喘、COVID-19合作开发哮喘检查方差，挖掘出SL在充分能用隐瞒规范的同时比起单个医护的机构合作开发的方差。方法律条文鉴别显露患病个体的对照一组，在肾脏质子糖体一组信息临近平均为90%，在X射线位图信息临近展示出为76%-86%。

学术研究成果于5月底27日以 Swarm Learning for decentralized and confidential clinical machine learning 为题发表在时唯杂志 Nature 上，并推上了近期一期的时唯杂志月底历。

论文链接：

并能简单地检查抑郁症情况严重哮喘的病症是精准医护的主要最终目标，而 AI 可以很差地辅助。但由于隐私权法律条文的保护措施，系统会设计上的可行和实施上的能行之间假定着相当大的贫富差距。虽然 AI 解决问题计划事物上依赖于适当的方法律条文，但也就是说却愈来愈依赖于大信息。以外，大量的信息掌握在世界各地数以百计万的医护的机构手里面，并不需要安全小规模性高效地对等，而各自的本地信息又无法充分能用信息处理的操练。

针对这一疑问，波恩大专攻的 Joachim Schultze 和他的合作伙伴提显露了一种名为 Swarm Learning（群专攻习）的去里面心化信息处理系统会，取代了理论上跨的机构医专攻学术研究里面临近信息对等的模式。Swarm Learning 通过 Swarm 的网络对等实例，便在各个站点的本地信息上分立构建基本概念，并能用区块链系统会设计对设法严重破坏 Swarm 的网络的不诚实大多数人采取强有力的紧急措施。

Swarm learning 的软件系统会

一、比州政府专攻习愈来愈安全小规模性，SL可保障医护信息对等

精准医护的最终目标是能并能准确地检查显露抑郁症情况严重哮喘和异质疾患的病症，而信息处理借以借助这一最终目标，例如根据病人的肾脏质子糖体一组信息来鉴别是否抑郁症脾炎。然而，系统会设计到也就是说还假定很多疑问。

基于计算机系统会（AI）的哮喘检验作法律条文，事物上不仅依赖于适当的方法律条文，愈来愈依赖于大型操练信息集。由于医专攻信息本身是分散的，医护的机构本地的信息量通常偏高以操练显露简单的方差。因此，根据医护信息构建显露的基本概念，仅能解决问题本地疑问。

从计算机系统会角度，将各地医护信息透过临近处理是愈来愈好的可选择，但这假定无法避免的缺陷。包括信息容量大疑问，以及对信息所有权、匿名小规模性、隐私权小规模性、安全小规模性小规模性和信息垄断等情况的担忧。

因此，必须愈来愈理论上、准确、高效的解决问题计划，并且能够在隐私权和价值观特别借助隐瞒拒绝，还要透过安全小规模性和容错设计者。

州政府专攻习作法律条文（Federated Learning）解决问题了其里面的一些疑问。信息保假定信息持有人本地，匿名小规模性疑问赢取解决问题，但实例设置仍要里面央协调通讯员协调。此外，这种星型Core提高了容错能力。

相比于已相当流行的州政府专攻习作法律条文，愈来愈好的可选择是采取几乎去里面心化的计算机系统会解决问题计划，即SL来克服有数计划的偏高，适应医专攻应用领域固有的虚拟化信息结构以及信息隐私权和安全小规模性法律条文律条文的拒绝。

SL很强一般而言占优势：（1）将大量医护信息留有至信息持有人本地；（2）不用须反之亦然原始信息，从而增加信息容量大；（3）备有高级别的信息安全小规模性保障；（4）能够保证的网络里面成通讯员的安全小规模性、透明和不价值观加入，不便必须里面央签订协议通讯员；（5）允许实例拆分，借助所有成通讯员自主权相一致；（6）可以保护措施信息处理基本概念免深受偷袭。

从概念上讲，如果本地有充足的信息和近似值机基础设施，信息处理就可以在本地透过。

对比几种信息处理作法律条文，学术研究技术人通讯员挖掘出，基于云的信息处理（Central Learning）可能会产生信息临近飘移，可用作操练的信息量大大增加，相比于信息和近似值在不都是地点的Local Learnling作法律条文，信息处理的结果赢取改善，但假定信息以此类推、信息容量大增加以及信息隐私权、信息安全小规模性等特别的疑问。州政府专攻习作法律条文受限制专供实例服务器全权负责裂解和分发，其他里面央结构仍被存留。SL，省去专供服务器，通过Swarm的网络对等实例，并且在各个数据流的所有权信息上分立构建基本概念。

四种信息处理作法律条文相当

SL备有安全小规模性紧急措施以背书信息主权，这由拥有者受限制权的区块链系统会设计借助。每个大多数人都有恰当的定义，只有预先认可受限制权的大多数人才可以拒绝执行结算。最初数据流加入是动态的，有适当的认可紧急措施来鉴别的网络大多数人。新数据流通过区块链智能租约提出申请，借助基本概念，并拒绝执行基本概念的本地操练，知道充分能用定义的同步必须。接下来，基本概念实例通过Swarm系统会设计程序演算接口（API）透过反之亦然，并开始下一轮，拆分始创一个很强愈来愈新实例设置的愈来愈新基本概念。

在每个数据流，SL分为里面间件和系统会设计层。系统会设计环境包括信息处理的网络服务、区块链和SLL。系统会设计层则包含基本概念，例如分析来自脾炎、脾结质子和COVID-19病症的肾脏质子糖体一组信息或放射影像等赢取的基本概念结构。

二、社群专攻习，由此而来其事物的灵感

三、操练比对增加50%时，SL耐用小规模性仍愈来愈优

学术研究共展览了四个与此相关：

与此相关一是，受限制12000多位病症的外周血单个质子细胞（PBMC）质子糖体一组信息构成的三个信息集（A1-A3，包括两种型式的微阵列和RNA脱氧质子糖质子酸），以及默认设置的近十年深度神经的网络方法律条文来透过的测试。

针对每个虚幻情节，比对被分开不以此类推的操练信息集和一个具体来说的测试信息集，用作的测试在单个数据流上SL创建的基本概念。操练信息集以各不相同的产自模式被“隔离”在每个Swarm数据流上，来模拟临床试验医护上的都是情节。

急小规模性髓细胞脾炎（AML）病症的比对作为确诊（cases），其他所有比对作为对照一组（controls）。模拟里面的每个数据流，都可以代表一个医护里面心、一个医院的网络、一个国家或任何其他分立的一组织，这些一组织可能会产生有隐私权拒绝的本地医护信息。

SL检查脾炎

首先，把确诊和对照一组不均匀的产自到数据流（信息集A2）和数据流上，挖掘出SL结果比起单个数据流的耐用小规模性。在这种情形，里面心基本概念的展示出仅略好于SL。受限制信息集A1和A3的测试某种以往有相当十分相似的结果，这强烈背书了SL耐用小规模性的减高跟信息收集或者信息转化系统会设计（微阵列或RNA脱氧质子糖质子酸）都是的论据。

另外五个情节某种以往在信息集A1-A3上透过了的测试：（1）在的测试数据流受限制都为的比对，其确诊和对照一组比例与第一个情节里面的十分相似；（2）受限制都为的比对，但将来自特定临床试验学术研究的比对基本上，使操练数据流和数据流之间有各不相同的确诊和对照一组比例：（3）增加每个操练数据流的比对微小；（4）在专供操练数据流受限制各不相同系统会设计转化的退缩比对；（5）受限制各不相同的RNA-seq系统会设计。在这些情节里面，SL的展示出都比起单数据流耐用小规模性，并且接近或者和里面心基本概念耐用小规模性相同。

急小规模性淋巴细胞脾炎（ALL）病症的比对某种以往在这几个情节下透过了的测试，将检验以内扩充至以四种脾炎型式偏重于的多类疑问。

与此相关二是，用SL从肾脏质子糖体一组信息里面鉴别脾结质子病症。

基于脾结质子比对，将确诊和对照一组比例都为在各数据流里面。结果显示，在这些必须下，SL的耐用小规模性比起单数据流耐用小规模性，并且展示出略好于里面央基本概念。学术研究仅对活动小规模性脾结质子透过检验。将潜伏接种的脾结质子病症作为对照一组，比对和对照一组保持都为，但增加用作操练的比对数量。在这些愈来愈具单打独斗小规模性的必须下，虽然SL既有耐用小规模性有所下滑，但是SL耐用小规模性一直比起任何单数据流耐用小规模性。

操练比对增加50%时，SL一直比起单数据流耐用小规模性，不过这时单数据流和SL耐用小规模性都相当高。然而与一般必须下的辨别结果一致，SL耐用小规模性与里面心基本概念相当接近：操练信息增加时计算机系统会的展示出愈来愈好。将三个数据流的操练信息分开六个较小数据流时可能会提高每个数据流的耐用小规模性，但是能用SL产生的结果并未再加。

SL检查脾结质子

由于脾结质子很强特殊小规模性外观上，脾结质子比对可以用来模拟潜在爆发的情景，以便相符SL的占优势和潜在限制，进而学术研究相符如何解决问题这些疑问。

由数据流模拟的三个分立区域现在有充足的但各不相同数量的确诊比对，在这种情形，SL的结果几乎和之前未什么变化。而与此相关和对照一组至多的数据流耐用小规模性明显下滑。的测试数据流的与此相关比例提高导致数据流耐用小规模性再加。

与此相关三是，受限制一个大型的披露面部X射线位图信息集来解决问题多类预报疑问。SL在预报所有放射专攻挖掘出（脾积水、渗显露、浸润和无挖掘出）特别比起每个数据流的耐用小规模性，这表明SL也受限制作非质子糖体一组信息应用领域。

与此相关四，讨论了SL是否可以用作检查COVID-19病症。虽然通常COVID-19是受限制基于PCR的检查作法律条文来检查病菌RNA。但在病菌推断出、特定病菌检查唯不可能、原先检查可能产生假阴小规模性结果等情形，评估特定宿主加成可能是有益的，而学术研究肾脏质子糖体一组借以明白宿主的免疫加成。

SL检查COVID-19

作者通过在中欧招募愈来愈多的医护里面心来借助信息，这些里面心在比率、男小规模性和控制哮喘的以往上有各不相同的病症产自，由此转化了八个基本上特定里面央子信息集。

SL可以应对男小规模性、比率或双重接种等偏差，并在区分轻度和重度COVID-19病症时，SL的展示出比起单数据流耐用小规模性。证明表明，来自COVID-19病症的肾脏质子糖体一组代表了一个可以系统会设计SL的特定应用领域。

四、SL前景广阔，较慢在世界上精准医护密切合作

随着各方都在关注如何加强信息隐私权和安全小规模性疑问以及增加信息容量大和以此类推，去里面心化的信息基本概念将沦为处理、存储、管理和分析任何型式的大型医护信息集的选用作法律条文。

特别是在专攻特别，基于信息处理的检查、亚型分析和结果预报都拿下了阶段小规模性失败，但是其进展深受到信息集规模受限制的不利于，以外的隐私权法律条文律条文使得合作开发临近式计算机系统会系统会的活力提高。

SL作为一种去里面心化的专攻习系统会，取代了理论上跨的机构医专攻学术研究里面信息对等的本体论。

对于设法严重破坏Swarm的网络的人，SL的区块链系统会设计备有了强有力的应对紧急措施。SL通过设计者备有了隐瞒的信息处理，可以分家引导参数隐私权方法律条文、参数数字签名或数字签名专供专攻习作法律条文特别的新进展。

在世界上密切合作和信息对等相当极其重要，并且SL在这两个特别假定固有占优势，并且愈来愈大的占优势是不用须信息对等而直接转变成方法律条文论对等，从而借助几乎信息隐瞒必须下的在世界上密切合作。

事实上，立法律条文者强调的隐私权规则在发生大规模流行病时几乎受限制。特别是在此类危机里面，计算机系统会系统会必须遵守价值观准则并且尊重人权。像SL这样的系统会——允许不价值观、透明和被高度监管的对等信息分析同时保护措施信息隐私权——将深受到青睐。

学术研究技术人通讯员确信应该探索SL根据X射线位图或CT扫描结果、形式化保健记事信息或者来自于哮喘的可穿戴设备信息，来对COVID-19透过基于位图的检验。

SL用作质子糖体一组专攻（或其他医专攻信息）分析是相当有自觉的作法律条文，可以在医专攻应用领域的拓展计算机系统会的受限制，同时减高信息匿名小规模性、隐私权和信息保护措施以往，以及增加信息容量大。

五、在世界上非典型脾炎背景下，希望SL持久

这篇学术研究证明了SL的耐用小规模性的简单小规模性。在在世界上非典型脾炎一直小规模的情形，病菌随之产生最初变种，对于各国医护的机构都是一种单打独斗。如果能用SL系统会设计在信息隐瞒的情形对在世界上都是的医护信息透过统合分析，愈来愈快检验身体状况，可能对控制非典型脾炎可能会有极其重要帮助。

信息是计算机系统会的发展的肾脏，但是信息隐私权安全小规模性的疑问日益凸显。我们现在明白到州政府专攻习系统会设计能让信息在脱敏的情形被处理分析，如今，SL沦为一种新作法律条文。它将通过产自式；也，为信息安全小规模性系统会设计及计算机系统会零售业的的发展带来最初推动力。

Schultze 坚信他们的学术研究成果将可能会对在世界上区域的医护信息对等产生革新。「我相信 Swarm Learning 可以极大地推动医专攻学术研究和其他信息驱动的专攻科。以外的学术研究只是一次试运行。未来，我们打算将这项系统会设计系统会设计作阿尔茨海默氏症和其他神经衰退疾患。」

德州仪器计算机系统会助理系统会设计官兼高级副总裁 Eng Lim Goh 助手也表示：「Swarm Learning 为医专攻学术研究和金融业合作开辟了最初机可能会。最重要是所有大多数人都可以相互专攻习，而不用对等机密信息。」

上述内容来自微电脑决意，智刚才等