」
英特爾和賓夕法尼亞大學佩雷爾曼醫學院（賓夕法尼亞大學醫學院）正在組建一個聯盟，包含29家國際醫療和研究機構，使用一種叫做 「聯邦學習」的隱私保護技術來訓練可以識別腦腫瘤的人工智慧模型。這項工作由美國國立衛生研究院（NIH）國家癌症研究所（NCI）的癌症研究信息技術（ITCR）項目資助，它將向賓夕法尼亞大學生物醫學圖像計算和分析中心（CBICA）的首席研究員Spyridon Bakas博士提供研究資金，為期三年總計120萬美元。
「AI在腦腫瘤的早期檢測方面大有可為，但要充分發揮全部潛力，將需要比任何一家醫療中心都要多的數據。藉助英特爾軟體和硬體以及一些英特爾頂尖人才的支持，我們正在與賓夕法尼亞大學和由29家協作的醫療中心組成的聯盟展開合作，在保護敏感的患者數據的同時，促進腦腫瘤的識別。」–Jason Martin，英特爾研究院首席工程師
「機器學習訓練需要大量和豐富多樣的數據，這並不是某一單獨的機構所能持有的，這點已被我們的科學界普遍認可。我們正在協調一個由29家相互協作的國際醫療和研究機構共同組成的聯盟，該聯盟能夠使用包括「聯邦學習」在內的隱私保護機器學習技術，將在此基礎上訓練最先進的AI醫療模型。今年，該聯盟將開始開發識別腦腫瘤的算法，此算法的數據集來自於國際腦腫瘤分割（BraTS）挑戰賽中大幅擴展的數據集版本。該聯盟將允許醫學研究人員訪問比以往數量大很多的醫療數據，同時能夠保護這些數據的安全。」- 賓夕法尼亞大學Spyridon Bakas博士
這是如何做到的呢？賓夕法尼亞大學醫學院與29家來自美國、加拿大、英國、德國、荷蘭、瑞士和印度的醫療和研究機構，是使用「聯邦學習」的技術來實現的。這種分布式機器學習方式，可以使得機構組織能夠在不共享患者數據的情況下進行深度學習項目的協作。
去年，賓夕法尼亞大學醫學院和英特爾率先發表了有關醫學影像領域「聯邦學習」的論文，特別展示了「聯邦學習」方法可以訓練出一種模型，使其準確率達到傳統無隱私保護訓練準確率的99%以上。該論文最初在西班牙格拉納達舉行的2018年國際醫學圖像計算和計算機輔助干預會議（MICCAI）上發表。這項新工作將利用英特爾軟體和硬體實現「聯邦學習」，為模型和數據提供額外的隱私保護。
根據美國腦腫瘤協會（ABTA）的數據，今年將有近8萬人被確診患有腦腫瘤，其中兒童患者超過4600名。為了訓練和建立一種檢測腦腫瘤的模型，以幫助早期檢測並獲得更好的結果，研究人員需要獲得大量相關的醫學數據。然而，保持數據私密性並使數據受到保護至關重要，這正是採用英特爾技術的「聯邦學習」的用武之地。通過這種方法，來自所有合作機構的研究人員將能夠共同協作，構建和訓練一種算法來檢測腦腫瘤，同時保護敏感的醫療數據。
2020年，賓夕法尼亞大學醫學院和 29 家國際醫療和研究機構將使用英特爾的「聯邦學習」硬體和軟體，在迄今為止最大的腦腫瘤數據集上進行訓練來生成全新的具有最佳性能的AI模型, 而其中敏感的病患數據將單獨保存在各個合作機構中。預計參與發起該聯盟第一階段工作的合作機構小組包括賓夕法尼亞大學醫院、聖路易斯華盛頓大學、匹茲堡大學醫療中心、范德比爾特大學、皇后大學、慕尼黑技術大學、伯爾尼大學、倫敦國王學院和塔塔紀念醫院等。