美国各地的研究机构和医疗中心的专家正在学习如何利用NVIDIA支持的联邦学习技术来开发和评估用于肿瘤分割的AI模型。
什么是联邦学习？
联邦学习是一种开发更通用和准确的AI模型的方法。它可以在不损害隐私或数据安全的情况下，从多个数据源进行训练。联邦学习允许组织在不将数据移出各自服务器的情况下合作开发AI模型。其隐私保护功能有助于遵守如HIPAA、GDPR等法规。由于数据管理和隐私限制，从一个站点到另一个站点共享数据并将其汇总到一个地方变得越来越困难。联邦学习允许在多个站点同时构建和测试模型。
关于NVFlare的了解
利用联邦学习的优势，来自六家医疗中心和大学的合作者采用了NVIDIA FLARE（NVFlare），这是一个具有安全特性、灵活系统架构和高级隐私保护技术的开源框架。这些研究机构获得了四块NVIDIA RTX A5000 GPU，用于设置工作站并通过云系统通过NVFlare引入更多合作者。每个参与的医疗中心都能提供大约50个医学影像研究的数据，重点关注肾细胞癌，这是一种肾脏癌。
利用AI创新
在联邦框架内，全球模型可以向客户端服务器广播模型参数。每个服务器使用这些参数来调整本地变化，从而在组织的专有数据上进行训练。更新后的参数随后返回到全球模型，循环重复。在这个项目的这一阶段，模型数据进行了手动标注。未来，团队将使用NVIDIA MONAI进行AI辅助标注，评估数据段与传统注释相比的性能差异。这解决了人们使用不同协议、数据标签和成像设备的问题，使所有数据标注更加准确。AI辅助和手动标注的数据均提交给Flywheel，这是一个集成了NVIDIA MONAI的医学影像数据和AI平台。项目完成后，团队计划发布最终的数据集、模型和方法论，以支持未来的工作。
(全文结束)
