Nature封面设计：人工智能AI新算法！跨越医疗数据隐私问题进行学习

6月末15日消息，自然语言作法律条文将课题新进展又一次荣登亚太地区精研术期刊《自然》（Nature）海报。

社会群体智能受蚁群、蜂群这类社亦会性动物的蓄意启发而来，可常用得出新结论体育比赛、民主选举等活动的结果。但它还可以做到更加多。比如，在不违反该软件法律条文的才亦会将来自在世界上的保健数据库顺利进行紧密相结合，以便快速理论上率地检查患有不堪重负传染病的病人。

都只，奥地利波恩大精研的精研术研究人员联合IBM以及来自希腊、荷兰、奥地利的多家精研术研究机构，共同共同开发了一种将边缘算出新、基于区块链的对等互联相结合上来的虚拟化人工智慧比对方法律条文——「Swarm Learning」（社会群体研习，SL），可以从分散加载的数据库中所检查出新多种传染病，有助于更快在世界上范围内的精准保健密切合作，能常用完全相同保健机构之间数据库的紧密相结合

精研术研究人员基于1.64万份体内核苷酸三组和9.5万份胸部X射线图象数据库，可用SL为乳腺癌、胃结核和胃部传染病、COVID-19共同开发传染病检查决策树，推测SL在受限制保密规范的同时胜过单个保健机构共同开发的决策树。解法律条文识别系统出新病重个体的直观率，在体内核苷酸三组数据库比较大所平均为90%，在X射线图象数据库比较大所显出新为76%-86%。

精研术研究成果于5月末27日以 Swarm Learning for decentralized and confidential clinical machine learning 为题刊出新在杂志 Nature 上，并荣登了最新一期的杂志海报。

博士论文URL：

快速理论上率地检查患有不堪重负传染病的病人是精准保健的主要目标，而 AI 可以很好地辅助。但由于该软件法律条文的保护，电子技术上的可行和实施上的而今之间依赖于着相当大的差距。虽然 AI 应对提议并不一定上依赖适当的解法律条文，但具体却更加依赖大数据库。现有，大量的数据库掌控在亚洲地区上百万的保健机构手上所，很难确保安全高效地包涵，而各自的本地数据库又难以受限制自然语言作法律条文将的受训。

针对这一应对办法律条文，波恩大精研的 Joachim Schultze 和他的合作伙伴提出异议新了一种名为 Swarm Learning（群研习）的去中所心化自然语言作法律条文将系统设计，取代了意味着地区性机构中医精研术研究中所比较大所数据库包涵的方式将。Swarm Learning 通过 Swarm 互联包涵表达式，再在各个线路的本地数据库上法理构建假设，并运用区块链电子技术对想要摧残 Swarm 互联的不诚实行动者放任强有力的新政策。

Swarm learning 的开放性

一、比联邦政府研习更加确保安全，SL可保障保健数据库包涵

精准保健的目标是能快速直观地检查出新患有不堪重负传染病和异质性传染病的病人，而自然语言作法律条文将有助于做到这一目标，例如根据病人的体内核苷酸三组数据库来识别系统否患有乳腺癌。然而，课题到具体还依赖于很多应对办法律条文。

基于人工智慧（AI）的传染病诊断比对方法律条文，并不一定上不只能依赖适当的解法律条文，更加依赖大型受训数据库集。由于中医数据库本身是分散的，保健机构本地的数据库量通常没法律条文受训出新理论上率的决策树。因此，根据保健数据库构建出新的假设，只能能应对本地应对办法律条文。

从人工智慧角度，将各地保健数据库顺利进行比较大所作法律条文将是更加好的自由选择，但这依赖于难以避免的弱点。都有数据库流量应对办法律条文，以及对数据库私有、可用性、该软件性、确保安全性和数据库垄断等情况的害怕。

因此，并不需要更加理论上、直观、高效的应对提议，并且只能在该软件和道德规范不足之处做到保密要求，还要顺利进行确保安全和容错设计。

联邦政府研习比对方法律条文（Federated Learning）应对了其中所的一些应对办法律条文。数据库保依赖于数据库持有人本地，可用性应对办法律条文得不到应对，但表达式设置仍要中所央技术顾问协调。此外，这种星型架构降低了容错能力。

相比于已相当流行的联邦政府研习比对方法律条文，更加好的自由选择是放任完全去中所心化的人工智慧应对提议，即SL来摆脱就有提议的不足，适应中医课题固有的虚拟化数据库结构以及数据库该软件和确保安全法律条文律法律条文规的要求。

SL较强此表军事优势：（1）将大量保健数据库保存至数据库持有人本地；（2）不并不需要互换原始数据库，从而降低数据库流量；（3）提供文职别的数据库确保安全保障；（4）只能保证互联中所小团体的确保安全、透明和不公投身，不再并不需要中所央托管员；（5）并不需要表达式合并，做到所有小团体皇权亦然；（6）可以保护自然语言作法律条文将假设免受偷袭。

从概念上话说道，如果本地有足够的数据库和算出新机基础设施，自然语言作法律条文将就可以在本地顺利进行。

对比几种自然语言作法律条文将比对方法律条文，精研术研究人员推测，基于云的自然语言作法律条文将（Central Learning）亦会导致数据库比较大所快速移动，可常用受训的数据库量大大增加，相比于数据库和算出新在不系统性地点的Local Learnling比对方法律条文，自然语言作法律条文将的结果得不到改善，但依赖于数据库多次重复、数据库流量增加以及数据库该软件、数据库确保安全等不足之处的应对办法律条文。联邦政府研习比对方法律条文可用辅助表达式服务器负责聚合和邮寄，其他中所央结构仍被保留。SL，可用辅助服务器，通过Swarm互联包涵表达式，并且在各个路由表的私有数据库上法理构建假设。

四种自然语言作法律条文将比对方法律条文相当

SL提供确保保护新政策以背书数据库主权，这由私人使用权的区块链电子技术做到。每个行动者都有完全一致的假设，只有预先授权使用权的行动者才可以制订交易。取而代之路由表投身是动态的，有适当的授权新政策来识别系统互联行动者。新路由表通过区块链智能合约注册，获取假设，并制订假设的本地受训，告诉受限制假设的同步必需。接下来，假设表达式通过Swarm课题程序程序员API（API）顺利进行互换，并开始下一轮，合并创立一个较强更加新表达式设置的更加新假设。

在每个路由表，SL分为中所间件和课题层。课题环境都有自然语言作法律条文将模拟器、区块链和SLL。课题层则包含假设，例如比对来自乳腺癌、胃结核和COVID-19病人的体内核苷酸三组数据库或放射影像等得不到的假设结构。

二、社会群体研习，是从自然的点子

蜘蛛网通过一种并不特殊的比对方法律条文来探寻腐肉的身影：慢慢释放信息素。它们向社会群体的其他小团体发出新自己的信号，每只蜘蛛网都从所有其他蜘蛛网的成果中所研习，因此，每只蜘蛛网都更加相对于腐肉类似地， Swarm Learning 让互联上每个路由表顺利进行本地研习，研习到的结果通过区块链搜罗，并引导给其他各个路由表。这个每一次亦会多次重复多次，日趋大大提高解法律条文识别系统互联每个路由表模式的能力。Swarm Learning 的所有数据库都保留在本地，包涵的只是解法律条文和表达式——从某种意义上说道，就是成果。波恩大精研生命与中医科精研客座教授 Joachim Schultze 重申：「 Swarm Learning 以一种大自然的方式将受限制了数据库保护的要求。」

三、受训检验降低50%时，SL耐用性仍更加优

精研术研究共展示了四个系统性：

系统性一是，可用12000多位病人的外周血单个核蛋白（PBMC）核苷酸三组数据库构成的三个数据库集（A1-A3，都有两种并不一定的微阵列和RNA化精研合成），以及默认设置的近十年深度神经互联解法律条文来顺利进行测试者。

针对每个虚幻布景，检验被分成不多次重复的受训数据库集和一个全局测试者数据库集，常用测试者在单个路由表上SL创立的假设。受训数据库集以完全相同的分布方式将被“强制”在每个Swarm路由表上，来模拟临床保健上的系统性布景。

急性胃蛋白乳腺癌（AML）病人的检验作为流感（cases），其他所有检验作为对照三组（controls）。模拟中所的每个路由表，都可以代表一个保健中所心、一个医院互联、一个国家或任何其他法理的三组织，这些三组织亦会导致有该软件要求的本地保健数据库。

SL检查乳腺癌

首先，把流感和对照三组不不规则的分布到路由表（数据库集A2）和路由表上，推测SL结果胜过单个路由表的耐用性。在这种才亦会，中所心假设的显出新只能近于好于SL。可用数据库集A1和A3测试者同样有并不相似的结果，这强烈背书了SL耐用性的大大提高跟数据库搜罗或者数据库作用于电子技术（微阵列或RNA化精研合成）无关的论述。

另外五个布景同样在数据库集A1-A3上顺利进行了测试者：（1）在测试者路由表可用不规则分布的检验，其流感和对照三组%-与第一个布景中所的相似；（2）可用不规则分布的检验，但将来自特定临床精研术研究的检验分开，使受训路由表和路由表之间有完全相同的流感和对照三组%-：（3）增加每个受训路由表的检验微小；（4）在辅助受训路由表可用完全相同电子技术作用于的孤立无援检验；（5）可用完全相同的RNA-seq电子技术。在这些布景中所，SL的显出新都胜过单路由表耐用性，并且相对于或者和中所心假设耐用性相同。

急性淋巴蛋白乳腺癌（ALL）病人的检验同样在这几个布景下顺利进行了测试者，将诊断范围拓展至以四种乳腺癌并不一定为主的多类应对办法律条文。

系统性二是，用SL从体内核苷酸三组数据库中所识别系统胃结核病人。

基于胃结核检验，将流感和对照三组%-不规则分布在各路由表中所。得出新，在这些必需下，SL的耐用性胜过单路由表耐用性，并且显出新近于好于中所央假设。精研术研究只能对活动性胃结核顺利进行诊断。将潜伏感染的胃结核病人作为对照三组，检验和对照三组保持不规则分布，但降低常用受训的检验数量。在这些更加具挑战性的必需下，虽然SL整体耐用性有所下降，但是SL耐用性仍然胜过任何单路由表耐用性。

受训检验降低50%时，SL仍然胜过单路由表耐用性，不过这时单路由表和SL耐用性都相当低。然而与一般必需下的检视结果相一致，SL耐用性与中所心假设相当相对于：受训数据库增加时人工智慧的显出新更加好。将三个路由表的受训数据库分成六个小得多路由表但亦会降低每个路由表的耐用性，但是运用SL导致的结果并没有有所改善。

SL检查胃结核

由于胃结核较强地方性特征，胃结核检验可以用来模拟潜在爆发的情景，以便确定SL的军事优势和潜在约束，进而精研术研究确定如何应对这些应对办法律条文。

由路由表模拟的三个法理区域已经有足够的但完全相同数量的流感检验，在这种才亦会，SL的结果却是和先前没有什么变化。而系统性和对照三组至少的路由表耐用性明显下降。测试者路由表的系统性%-降低导致路由表耐用性有所改善。

系统性三是，可用一个大型的公开胸部X射线图象数据库集来应对多类得出新结论应对办法律条文。SL在得出新结论所有放射精研推测（胃积水、渗出新、浸润和无推测）不足之处胜过每个路由表的耐用性，这表明SL也适常用非核苷酸三组数据库课题。

系统性四，讨论了SL否可以常用检查COVID-19病人。虽然通常COVID-19是可用基于PCR的检查比对方法律条文来检查病毒RNA。但在病原体未知、特定病原体检查亦然不似乎、现有检查似乎导致假阴性结果等才亦会，评估特定肠道反应似乎是有益的，而精研术研究体内核苷酸三组有助于了解肠道的免疫反应。

SL检查COVID-19

SL可以应对性别、成年人或双重感染等偏差，并在区分轻度和重度COVID-19病人时，SL的显出新胜过单路由表耐用性。结论表明，来自COVID-19病人的体内核苷酸三组代表了一个可以课题SL的特定课题。

四、SL前景广阔，更快在世界上精准保健密切合作

随着各方都在关注如何加强数据库该软件和确保安全应对办法律条文以及降低数据库流量和多次重复，去中所心化的数据库假设将视为作法律条文将、加载、管理和比对任何并不一定的大型保健数据库集的首选比对方法律条文。

值得注意精研不足之处，基于自然语言作法律条文将的检查、亚型比对和结果得出新结论都取得了更进一步成功，但是其进展受到数据库集规模有限的阻碍，现有的该软件法律条文律法律条文规使得共同开发比较大所式人工智慧系统设计的吸引力降低。

SL作为一种去中所心化的研习系统设计，取代了意味着地区性机构中医精研术研究中所数据库包涵的范式。

对于想要摧残Swarm互联的人，SL的区块链电子技术提供了强有力的应对新政策。SL通过设计提供了保密的自然语言作法律条文将，可以继承传递函数该软件解法律条文、线性加密或加密辅助研习比对方法律条文不足之处的新进展。

在世界上密切合作和数据库包涵并不重要，并且SL在这两个不足之处依赖于固有军事优势，并且更加大的军事优势是不并不需要数据库包涵而实际上分解成基本知识包涵，从而做到完全数据库保密必需下的在世界上密切合作。

事实上，立法律条文者重申的该软件规则在发生大规模流行病时完全适用范围。值得注意此类危机中所，人工智慧系统设计并不需要遵行道德规范规范并且制度化。像SL这样的系统设计——并不需要不公、透明和被高度监管的包涵数据库比对同时保护数据库该软件——将受到欢迎。

精研术研究人员认为应该冒险SL根据X射线图象或CT扫描结果、结构化健康纪录数据库或者来自于传染病的可戴著通讯设备数据库，来对COVID-19顺利进行基于图象的诊断。

SL常用核苷酸三组精研（或其他中医数据库）比对是并不有前途的比对方法律条文，可以在中医课题的推广人工智慧的可用，同时大大提高数据库可用性、该软件和数据库保护程度，以及降低数据库流量。

五、在世界上禽流感取材下，期待SL发挥作用

这篇精研术研究事实证明SL的耐用性的理论上率性。在在世界上禽流感一直持续性的才亦会，病毒慢慢导致取而代之变种，对于各国保健机构都是一种挑战。如果运用SL电子技术在数据库保密的才亦会对在世界上系统性的保健数据库顺利进行紧密相结合比对，更加快诊断病情，似乎对高度比较大禽流感亦会有重要帮助。

数据库是人工智慧发展的体内，但是数据库该软件确保安全的应对办法律条文日益突显出新。我们已经知晓联邦政府研习电子技术能让数据库在脱敏的才亦会被作法律条文将比对，现在，SL视为一种新比对方法律条文。它将通过分布式作法律条文将方式将，为数据库确保安全课题及人工智慧行业的发展促使取而代之不可否认。

Schultze 无论如何他们的精研术研究成果将亦会对在世界上范围内的保健数据库包涵导致革新。「我相信 Swarm Learning 可以极大地推动中医精研术研究和其他数据库涡轮机的精研科。现有的精研术研究只是一次试运转。今后，我们打算将这项电子技术课题于阿尔茨海默氏症和其他神经衰退性传染病。」

惠普人工智慧首席电子技术吏任副文职副总裁 Eng Lim Goh 博士也表示：「Swarm Learning 为中医精研术研究和商业合作另辟了取而代之良机。最重要是所有行动者都可以相互研习，而不能包涵机密数据库。」

上述内容来自机器之心，智东西等