Federacinis mokymasis sveikatos priežiūrai: gydant vėžį nesidalijant duomenimis
Duomenų silosų tragedija
Įsivaizduokite, kad Europoje yra penkios didžiosios mokslinių tyrimų ligoninės: Berlyne, Paryžiuje, Amsterdame, Milane ir Madride. Kiekvienoje ligoninėje yra 1 000 pacientų, sergančių reta vaikų leukemijos forma. 1 000 pacientų imtis yra per maža, kad būtų galima išmokyti patikimą gilaus mokymosi modelį anksti nustatyti ligą. Modelis persimokina; jis išmoksta specifinių Berlyno skaitytuvo ypatybių, o ne vėžio patologijos.
Tačiau jei pavyktų sujungti duomenų rinkinius, turėtumėte 5 000 pacientų: pakankamai didelį duomenų rinkinį, kad būtų galima išmokyti proveržio diagnostikos DI, kuris galėtų išgelbėti tūkstančius gyvybių.
Senajame pasaulyje tai buvo neįmanoma. BDAR Europoje, HIPAA JAV ir griežtos pacientų konfidencialumo taisyklės griežtai draudžia siųsti neapdorotus pacientų įrašus iš A ligoninės į B ligoninę arba įkelti juos į centrinį debesijos serverį, priklausantį technologijų milžinei.
Taigi duomenys lieka silosuose. DI niekada nėra mokomas. Modelis lieka neatrastas. Pacientai miršta.
Tai duomenų privatumo ir medicinos pažangos tragedija. Tai aklavietė. Tačiau tai aklavietė, kurią galime įveikti matematikos pagalba.
Federacinis mokymasis: mokymo inversija
Federacinis mokymasis (FL) visiškai apverčia standartinę dirbtinio intelekto mokymo paradigmą.
Standartinis metodas (centralizuotas): Surinkite visus duomenis iš visų šaltinių į didžiulį centrinį duomenų ežerą. Mokykite modelį iš ežero.
Federacinis metodas (decentralizuotas): Palikite duomenis ten, kur jie yra. Siųskite modelį prie duomenų.
Štai kaip tai veikia praktiškai, žingsnis po žingsnio:
- Inicijavimas: Centrinis serveris (koordinatorius) sukuria „tuščią" arba iš anksto apmokytą pasaulinį modelį.
- Paskirstymas: Serveris išsiunčia šio modelio kopiją kiekvienai iš 5 ligoninių.
- Vietinis mokymas: Kiekviena ligoninė moko modelį vietoje, naudodama savo privačius pacientų duomenis. Šis mokymas vyksta ligoninės saugiuose serveriuose, už jų ugniasienės. Neapdoroti pacientų duomenys niekada neišeina iš rūsio.
- Atnaujinimo generavimas: Vietinis mokymo procesas sukuria „modelio atnaujinimą": matematinių pataisų rinkinį neuronų tinklo svoriams (sinapsėms). Iš esmės tai sako: „Kad geriau atpažintume vėžį, pakelkite neuroną #45 0,1 ir nuleiskite neuroną #92 0,05."
- Agregavimas: Ligoninė siunčia tik šį modelio atnaujinimą (matematiką) atgal į centrinį serverį. Jokių pacientų vardų, jokių rentgeno nuotraukų, jokių kraujo tyrimų rezultatų. Tik slankiojo kablelio skaičių failas.
- Vidurkinimas: Centrinis serveris surenka atnaujinimus iš visų 5 ligoninių. Jis juos suvidurkina (naudodamas tokį algoritmą kaip federacinis vidurkinimas), kad sukurtų naują, protingesnį pasaulinį modelį.
- Kartojimas: Naujasis pasaulinis modelis siunčiamas atgal į ligonines, ir ciklas kartojasi.
Matematinė magija
Šio proceso magija yra ta, kad pasaulinis modelis tampa protingesnis taip, lyg būtų mokytas su visais 5 000 pacientų, nors iš tikrųjų niekada nė vieno iš jų tiesiogiai „nematė". Jis išmoksta ligos modelius (kurie yra bendri visoms ligoninėms) nesužinodamas pacientų tapatybių (kurios yra unikalios kiekvienai ligoninei).
Tai atsieją gebėjimą mokytis nuo poreikio matyti.
Gynyba gilumoje: SMPC ir diferencinis privatumas
Paranojiški saugumo inžinieriai (tokie kaip mes Dweve) paklaus: „Bet ar negalima iš modelio atnaujinimo atkurti paciento duomenų?“
Tai pagrįstas susirūpinimas. Teoriškai, jei modelio atnaujinimas yra labai konkretus, piktavalis centrinis serveris gali numanyti, kad „pacientas X Berlyno ligoninėje turėjo būti sirgęs liga Y.“
Kad to išvengtų, Dweve ant federacinio mokymosi uždeda dvi papildomas kriptografines technologijas:
1. Saugus daugiašalis skaičiavimas (SMPC)
Tai kriptografinis protokolas, leidžiantis centriniam serveriui apskaičiuoti atnaujinimų sumą niekada nematant atskirų atnaujinimų.
Įsivaizduokite tris žmones, norinčius apskaičiuoti savo vidutinį atlyginimą, bet niekas nenori atskleisti savo atlyginimo kitiems. SMPC jiems tai leidžia. Serveris mato bendrą rezultatą, bet matematiškai negali jo išskaidyti atgal į atskirus įvestis. Serveris tiesiog nežino, kuri ligoninė atsiuntė kurį atnaujinimą.
2. Diferencinis privatumas (DP)
Kaip aptarėme mūsų privatumo straipsnyje, prie vietinių atnaujinimų pridedame statistinį triukšmą, kol jie dar nepaliko ligoninės. Tai „sulieja“ bet kurio atskiro paciento indėlį, todėl matematiškai įrodomas anonimiškumas tampa įmanomas.
Poveikis realiame pasaulyje
Šiuo metu šią technologiją diegiame kartu su Europos onkologijos centrų konsorciumu. Jie treniruoja navikų aptikimo modelį per sienas (Vokietija, Prancūzija, Nyderlandai) nepažeisdami nė vieno privatumo reglamento. Jie išsprendžia „Schrems II" duomenų perdavimo problemą tiesiog neperduodami duomenų.
Tai medicinos mokslinių tyrimų ateitis. Tai atrakina didžiulę, įstrigusią pasaulio sveikatos duomenų vertę. Tai leidžia mums kovoti su ligomis kaip globaliai kolektyvinei rūšiai, gerbiant individo privatumą.
Mums nereikia rinktis tarp privatumo ir sveikatos. Mums nereikia rinktis tarp individo ir kolektyvo. Naudodami federacinį mokymąsi galime turėti abu.
Pasiruošę atrakinti savo sveikatos duomenų galią nepažeisdami pacientų privatumo? Dweve federacinio mokymosi infrastruktūra įgalina proveržio medicininį dirbtinį intelektą per institucines ribas, išlaikant visišką GDPR ir HIPAA atitiktį. Susisiekite su mumis, kad sužinotumėte, kaip bendradarbiaujantis dirbtinis intelektas gali pakeisti jūsų mokslinių tyrimų galimybes.