Tämä on vierasblogiviesti, jonka on kirjoittanut Nitin Kumar, johtava tietotutkija T and T Consulting Services, Inc:stä.
Tässä viestissä keskustelemme yhdistyneen oppimisen arvosta ja mahdollisesta vaikutuksesta terveydenhuollon alalla. Tämä lähestymistapa voi auttaa sydänhalvauspotilaita, lääkäreitä ja tutkijoita nopeampaan diagnoosiin, rikastuneeseen päätöksentekoon ja tietoisempaan, osallistavampaan tutkimustyöhön aivohalvaukseen liittyvissä terveyskysymyksissä käyttämällä pilvipohjaista lähestymistapaa AWS-palveluiden kanssa kevyeen nostoon ja yksinkertaiseen käyttöön. .
Diagnoosihaasteet sydäninfarktien yhteydessä
Tilastot Centers for Disease Control and Prevention (CDC) osoittavat, että joka vuosi Yhdysvalloissa yli 795,000 25 ihmistä kärsii ensimmäisestä aivohalvauksestaan, ja noin XNUMX % heistä saa toistuvia kohtauksia. Se on viidennen kuolinsyy mukaan American Stroke Association ja johtava vammaisuuden syy Yhdysvalloissa. Siksi on ratkaisevan tärkeää saada nopea diagnoosi ja hoito aivovaurioiden ja muiden komplikaatioiden vähentämiseksi akuuteissa aivohalvauspotilaissa.
TT- ja MRI-kuvat ovat kuvantamistekniikoiden kultastandardi aivohalvausten eri alatyyppien luokittelussa, ja ne ovat ratkaisevia potilaiden alustavassa arvioinnissa, perimmäisen syyn määrittämisessä ja hoidossa. Yksi kriittinen haaste tässä, erityisesti akuutin aivohalvauksen tapauksessa, on kuvantamisdiagnoosin aika, joka vaihtelee keskimäärin 30 minuutista tuntiin ja voi olla paljon pidempi riippuen ensiapuosaston tungosta.
Lääkärit ja hoitohenkilökunta tarvitsevat nopean ja tarkan kuvadiagnoosin arvioidakseen potilaan tilaa ja ehdottaakseen hoitovaihtoehtoja. Tohtori Werner Vogelsin omin sanoin klo AWS: keksintö 2023"Jokainen sekunti, jolloin henkilöllä on aivohalvaus, on tärkeä." Aivohalvauksen uhrit voivat menettää noin 1.9 miljardia neuronia joka sekunti, kun heitä ei hoideta.
Lääketieteellisten tietojen rajoitukset
Koneoppimisen (ML) avulla voit auttaa lääkäreitä ja tutkijoita diagnoositehtävissä, mikä nopeuttaa prosessia. ML-mallien rakentamiseen ja luotettavien tulosten antamiseen tarvittavat tietojoukot ovat kuitenkin siiloissa eri terveydenhuoltojärjestelmissä ja organisaatioissa. Tällä eristetyllä vanhalla tiedolla voi olla valtava vaikutus, jos ne kumuloidaan. Joten miksi sitä ei ole vielä käytetty?
Lääketieteen alan tietojoukkojen kanssa työskentelyyn ja ML-ratkaisujen rakentamiseen liittyy useita haasteita, mukaan lukien potilaiden yksityisyys, henkilötietojen turvallisuus sekä tietyt byrokraattiset ja politiikkarajoitukset. Lisäksi tutkimuslaitokset ovat kiristäneet tiedonjakokäytäntöjään. Nämä esteet estävät myös kansainvälisiä tutkimusryhmiä työskentelemästä yhdessä monipuolisten ja rikkaiden tietokokonaisuuksien parissa, mikä voisi pelastaa ihmishenkiä ja ehkäistä sydäninfarktin aiheuttamia vammoja muiden etujen ohella.
Käytännöt ja määräykset kuten Yleinen tietosuojadirektiivi (GDPR), Sairausvakuutuksen siirrettävyys ja vastuuvelvollisuus (HIPPA) ja California Consumer Privacy Act (CCPA) asetti suojakaiteet lääketieteen alan tietojen, erityisesti potilastietojen, jakamiselle. Lisäksi yksittäisten laitosten, organisaatioiden ja sairaaloiden tietojoukot ovat usein liian pieniä, epätasapainoisia tai niiden jakautuminen on vinoutunutta, mikä johtaa mallin yleistämisen rajoituksiin.
Yhdistetty oppiminen: Johdanto
Federated learning (FL) on ML:n hajautettu muoto – dynaaminen suunnittelutapa. Tässä hajautetussa ML-lähestymistavassa ML-malli jaetaan organisaatioiden kesken omistusoikeutettujen data-alajoukkojen koulutukseen, toisin kuin perinteisessä keskitetyssä ML-koulutuksessa, jossa malli yleensä harjoittelee aggregoituja tietojoukkoja. Tiedot pysyvät suojattuna organisaation palomuurien tai VPC:n takana, kun taas malli metadadoineen jaetaan.
Koulutusvaiheessa globaali FL-malli levitetään ja synkronoidaan yksikköorganisaatioiden välillä yksittäisten tietojoukkojen koulutusta varten, ja paikallinen koulutettu malli palautetaan. Lopullista globaalia mallia voidaan käyttää ennusteiden tekemiseen kaikille osallistujille, ja sitä voidaan käyttää myös jatkokoulutuksen pohjana paikallisten mukautettujen mallien rakentamiseen osallistuville organisaatioille. Sitä voidaan edelleen laajentaa hyödyttäväksi muita laitoksia. Tämä lähestymistapa voi vähentää merkittävästi siirrettävän tiedon kyberturvallisuusvaatimuksia poistamalla tiedon siirtämisen organisaation rajojen ulkopuolelle.
Seuraava kaavio havainnollistaa esimerkkiarkkitehtuuria.
Seuraavissa osioissa keskustelemme siitä, kuinka yhdistetty oppiminen voi auttaa.
Liitto oppii pelastamaan päivän (ja pelastamaan ihmishenkiä)
Hyvään tekoälyyn (AI) tarvitaan hyvää dataa.
Vanhat järjestelmät, joita löytyy usein liittovaltion toimialueelta, aiheuttavat merkittäviä tietojenkäsittelyhaasteita, ennen kuin voit saada älykkyyttä tai yhdistää niitä uudempiin tietojoukkoon. Tämä on este arvokkaan älyn tarjoamiselle johtajille. Se voi johtaa virheelliseen päätöksentekoon, koska vanhan datan osuus on joskus paljon arvokkaampi kuin uudempi pieni tietojoukko. Haluat ratkaista tämän pullonkaulan tehokkaasti ja ilman manuaalista konsolidointi- ja integrointityötä (mukaan lukien hankalat kartoitusprosessit) vanhoille ja uudemmille tietojoukoille, jotka sijaitsevat eri sairaaloissa ja laitoksissa. Tämä voi kestää useita kuukausia – ellei vuosia, monissa tapauksissa. Vanhat tiedot ovat varsin arvokkaita, koska ne sisältävät tärkeitä kontekstuaalisia tietoja, joita tarvitaan tarkkaan päätöksentekoon ja hyvin tietoiseen mallikoulutukseen, mikä johtaa luotettavaan tekoälyyn todellisessa maailmassa. Tietojen kesto kertoo tietojoukon pitkäaikaisista vaihteluista ja kuvioista, jotka muuten jäisivät havaitsematta ja johtaisivat puolueellisiin ja huonosti tietoihin ennusteisiin.
Näiden tietosiilojen hajottaminen hajatietojen hyödyntämättömän potentiaalin yhdistämiseksi voi pelastaa ja muuttaa monia ihmishenkiä. Se voi myös nopeuttaa sydäninfarktin aiheuttamiin toissijaisiin terveysongelmiin liittyvää tutkimusta. Tämä ratkaisu voi auttaa sinua jakamaan oivalluksia tiedoista, jotka on eristetty laitosten välillä käytäntöjen ja muiden syiden vuoksi, olitpa sitten sairaala, tutkimuslaitos tai muu terveystietoihin keskittyvä organisaatio. Se voi mahdollistaa tietoisia päätöksiä tutkimuksen suunnasta ja diagnoosista. Lisäksi se johtaa keskitettyyn tietovarastoon turvallisen, yksityisen ja maailmanlaajuisen tietokannan kautta.
Yhdistetty oppiminen tarjoaa monia etuja yleisesti ja erityisesti lääketieteellisten tietojen asetuksissa.
Tietoturva- ja tietosuojaominaisuudet:
- Pitää arkaluontoiset tiedot poissa Internetistä ja käyttää niitä edelleen ML:ssä ja hyödyntää sen älykkyyttä erilaisella yksityisyydellä
- Sen avulla voit rakentaa, kouluttaa ja ottaa käyttöön puolueettomia ja kestäviä malleja paitsi koneissa myös verkoissa ilman tietoturvariskejä
- Voittaa esteet useiden toimittajien avulla, jotka hallitsevat tietoja
- Poistaa sivustojen välisen tietojen jakamisen ja maailmanlaajuisen hallinnon tarpeen
- Säilyttää yksityisyyden vaihtelevalla yksityisyydellä ja tarjoaa turvallisen monen osapuolen laskennan paikallisella koulutuksella
Suorituskyvyn parannukset:
- Ratkaisee pienen näytekoon ongelman lääketieteellisessä kuvantamistilassa ja kalliissa merkintäprosesseissa
- Tasapainottaa tiedon jakautumista
- Mahdollistaa useimmat perinteiset ML- ja syväoppimismenetelmät (DL).
- Käyttää yhdistettyjä kuvajoukkoja parantaakseen tilastollista tehoa ja voittamalla yksittäisten laitosten otoskoon rajoitukset
Resilienssin edut:
- Jos joku osapuoli päättää lähteä, se ei estä koulutusta
- Uusi sairaala tai instituutti voi liittyä milloin tahansa; se ei ole riippuvainen tietystä tietojoukosta minkään solmuorganisaation kanssa
- Laajoille maantieteellisille alueille hajallaan olevaa vanhaa dataa varten ei tarvita laajoja tietotekniikan putkia
Nämä ominaisuudet voivat auttaa purkamaan muureja laitosten välillä, jotka isännöivät erillisiä tietojoukkoja samanlaisilla verkkotunnuksilla. Ratkaisusta voi tulla voimankerroin hyödyntämällä hajautettujen tietojoukkojen yhtenäiset voimat ja parantamalla tehokkuutta muuttamalla radikaalisti skaalautuvuutta ilman raskaita infrastruktuurin nostoja. Tämä lähestymistapa auttaa ML:ää saavuttamaan täyden potentiaalinsa ja kehittymään kliinisellä tasolla eikä vain tutkimuksessa.
Federated learning on verrattavissa tavalliseen ML:ään, kuten seuraavassa esitetään kokeilu kirjoittanut NVidia Clara (Medical Modal ARchivessa (MMAR) käyttämällä BRATS2018-tietosarjaa). Tässä FL saavutti vertailukelpoisen segmentointisuorituskyvyn keskitetyn datan harjoittamiseen verrattuna: yli 80 % noin 600 aikakaudella harjoitellessaan multimodaalista, moniluokkaista aivokasvainten segmentointitehtävää.
Yhdistettyä oppimista on viime aikoina testattu muutamilla lääketieteen ala-alueilla käyttötapauksissa, mukaan lukien potilaiden samankaltaisuuden oppiminen, potilasesitysten oppiminen, fenotyyppien määrittäminen ja ennustava mallinnus.
Sovellussuunnitelma: Federated learning tekee sen mahdolliseksi ja yksinkertaiseksi
Voit aloittaa FL:n käytön valitsemalla useista korkealaatuisista tietojoukoista. Esimerkiksi aivokuvia sisältävät tietojoukot sisältävät PYSYVÄ (Autism Brain Imaging Data Exchange -aloite), ADNI (Alzheimerin taudin neuroimaging-aloite), RSNA (Radiological Society of North America) Aivojen CT, BraTS (Multimodal Brain Tumor Image Segmentation Benchmark) päivitetään säännöllisesti Brain Tumor Segmentation Challengea varten UPenn (Pennsylvanian yliopisto), UK BioBank (seuraava NIH kattaa paperi), Ja IXI. Samoin sydänkuville voit valita useista julkisesti saatavilla olevista vaihtoehdoista, mukaan lukien ACDC (Automatic Cardiac Diagnosis Challenge), joka on sydämen MRI-arviointiaineisto, jossa on täydellinen huomautus, jonka National Library of Medicine mainitsee seuraavassa. paperija M&M (Multi-Center, Multi-Vendor ja Multi-Disease) sydämen segmentointihaaste, joka mainitaan seuraavassa IEEE paperi.
Seuraavissa kuvissa näkyy a ATLAS R1.1 -tietojoukon primaaristen leesioiden todennäköisyyspäällekkäisyyskartta. (Aivohalvaus on yksi yleisimmistä aivovaurioiden syistä Cleveland Clinic.)
Sähköisten terveystietojen (EHR) tiedoista on saatavilla muutamia tietojoukkoja, jotka seuraavat Nopeat terveydenhuollon yhteentoimivuusresurssit (FHIR) standardi. Tämä standardi auttaa sinua rakentamaan yksinkertaisia pilotteja poistamalla tiettyjä haasteita heterogeenisten, normalisoimattomien tietojoukkojen kanssa, mikä mahdollistaa tietojoukkojen saumattoman ja turvallisen vaihdon, jakamisen ja integroinnin. FHIR mahdollistaa maksimaalisen yhteentoimivuuden. Esimerkkejä tietojoukosta ovat mm MIMIC-IV (Medical Information Mart tehohoidolle). Muita laadukkaita tietojoukkoja, jotka eivät tällä hetkellä ole FHIR, mutta jotka voidaan helposti muuntaa, ovat Medicare- ja Medicaid-palvelukeskukset (CMS) Public Use Files (PUF) ja eICU Collaborative Research Database MIT:stä (Massachusetts Institute of Technology). Saatavilla on myös muita resursseja, jotka tarjoavat FHIR-pohjaisia tietojoukkoja.
FL:n toteuttamisen elinkaari voi sisältää seuraavat vaiheet: tehtävän alustus, valinta, konfigurointi, mallin koulutus, asiakas/palvelin-kommunikaatio, ajoitus ja optimointi, versiointi, testaus, käyttöönotto ja lopettaminen. On monia aikaa vieviä vaiheita, jotka liittyvät lääketieteellisen kuvantamistietojen valmisteluun perinteistä ML:ää varten, kuten seuraavassa kuvataan paperi. Joissakin skenaarioissa saatetaan tarvita aluetuntemusta potilastietojen esikäsittelyyn, erityisesti sen arkaluontoisen ja yksityisen luonteen vuoksi. Nämä voidaan yhdistää ja joskus poistaa FL:ssä, mikä säästää ratkaisevaa aikaa harjoitteluun ja tuottaa nopeampia tuloksia.
Täytäntöönpano
FL-työkalut ja kirjastot ovat kasvaneet laajalla tuella, mikä tekee FL:n käyttämisestä yksinkertaista ilman raskasta nostoa. Käytettävissä on paljon hyviä resursseja ja kehysvaihtoehtoja aloittaaksesi. Voit viitata seuraavaan laaja luettelo FL-verkkotunnuksen suosituimmista kehyksistä ja työkaluista, mukaan lukien PySyft, FedML, Kukka, OpenFL, KOHTALO, TensorFlow Federatedja NVFlare. Se tarjoaa aloittelijalle luettelon projekteista, joiden avulla pääset nopeasti alkuun ja joiden pohjalta voit jatkaa.
Voit ottaa käyttöön pilvipohjaisen lähestymistavan Amazon Sage Maker joka toimii saumattomasti AWS VPC peering, pitämällä kunkin solmun harjoittelun yksityisessä aliverkossa vastaavassa VPC:ssä ja mahdollistaen viestinnän yksityisten IPv4-osoitteiden kautta. Lisäksi mallin hosting päällä Amazon SageMaker JumpStart voi auttaa paljastamalla päätepisteen API:n jakamatta mallipainoja.
Se myös poistaa mahdolliset korkean tason laskentahaasteet paikallisten laitteistojen kanssa Amazonin elastinen laskentapilvi (Amazon EC2) resursseja. Voit toteuttaa FL-asiakkaan ja palvelimet AWS:ssä SageMaker muistikirjat ja Amazonin yksinkertainen tallennuspalvelu (Amazon S3), ylläpitää säänneltyä pääsyä tietoihin ja mallinnus kanssa AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) roolit ja käyttö AWS-suojaustunnuspalvelu (AWS STS) asiakaspuolen tietoturvaan. Voit myös rakentaa oman mukautetun järjestelmän FL:lle Amazon EC2:n avulla.
Yksityiskohtaisen yleiskatsauksen FL:n käyttöönotosta Kukka SageMakerin puitteet ja keskustelu sen erosta hajautettuun koulutukseen, katso Koneoppiminen hajautetun harjoitustiedon avulla käyttämällä yhdistettyä oppimista Amazon SageMakerissa.
Seuraavat kuvat havainnollistavat FL:n siirto-oppimisen arkkitehtuuria.
FL-datan haasteisiin vastaaminen
Federated learning sisältää omat tietohaasteensa, kuten yksityisyyden ja turvallisuuden, mutta niihin on helppo vastata. Ensinnäkin sinun on ratkaistava tietojen heterogeenisuusongelma lääketieteellisen kuvantamisen tiedoissa, jotka johtuvat eri sivustoista ja osallistuvista organisaatioista tallennetuista tiedoista. verkkotunnuksen muutos ongelma (kutsutaan myös nimellä asiakasvuoro FL-järjestelmässä), kuten Guan ja Liu korostavat seuraavassa paperi. Tämä voi johtaa eroon globaalin mallin konvergenssissa.
Muita huomioitavia osia ovat tietojen laadun ja yhdenmukaisuuden varmistaminen lähteellä, asiantuntijatiedon sisällyttäminen oppimisprosessiin lääketieteen ammattilaisten luottamuksen herättämiseksi järjestelmään ja mallin tarkkuuden saavuttaminen. Lisätietoja joistakin mahdollisista haasteista, joita saatat kohdata toteutuksen aikana, on seuraavassa paperi.
AWS auttaa sinua ratkaisemaan nämä haasteet ominaisuuksilla, kuten Amazon EC2:n joustavalla laskennalla ja valmiilla ominaisuuksilla Telakkakuvat SageMakerissa yksinkertaista käyttöönottoa varten. Voit ratkaista kunkin solmuorganisaation asiakaspuolen ongelmat, kuten epätasapainoiset tiedot ja laskentaresurssit. Voit ratkaista palvelinpuolen oppimisongelmia, kuten haitallisten osapuolten myrkytyshyökkäykset Amazonin virtuaalinen yksityinen pilvi (Amazon VPC), turvallisuusryhmät, ja muut suojausstandardit, jotka estävät asiakkaiden korruption ja ottavat käyttöön AWS-poikkeamien havaitsemispalveluita.
AWS auttaa myös vastaamaan todellisiin toteutushaasteisiin, joihin voi sisältyä integraatiohaasteita, yhteensopivuusongelmia nykyisten tai vanhojen sairaalajärjestelmien kanssa ja käyttäjien käyttöönoton esteitä tarjoamalla joustavia, helppokäyttöisiä ja vaivattomia nostoteknologiaratkaisuja.
AWS-palveluiden avulla voit mahdollistaa laajamittaisen FL-pohjaisen tutkimuksen sekä kliinisen toteutuksen ja käyttöönoton, joka voi koostua useista eri toimipisteistä ympäri maailmaa.
Viimeaikaiset yhteentoimivuutta koskevat politiikat korostavat yhdistelmäoppimisen tarvetta
Monet hallituksen äskettäin hyväksymät lait sisältävät keskittymisen tietojen yhteentoimivuuteen, mikä vahvistaa tarvetta tietojen organisaatioiden väliseen yhteentoimivuuteen tiedustelutarkoituksiin. Tämä voidaan toteuttaa käyttämällä FL:ää, mukaan lukien puitteet, kuten TEFCA (Trusted Exchange Framework ja Common Agreement) ja laajennettu USCDI (Yhdysvaltojen yhteentoimivuuden perustiedot).
Ehdotettu idea edistää myös CDC:n talteenotto- ja jakelualoitetta CDC siirtyy eteenpäin. Seuraava lainaus GovCIO:n artikkelista Tietojen jakaminen ja tekoäly liittovaltion terveysviraston tärkeimmät painopisteet vuonna 2024 myös toistaa samanlaisen teeman: "Nämä ominaisuudet voivat myös tukea yleisöä tasapuolisesti, tavata potilaita siellä, missä he ovat ja vapauttaa kriittisen pääsyn näihin palveluihin. Suuri osa tästä työstä perustuu dataan."
Tämä voi auttaa lääketieteellisiä laitoksia ja virastoja ympäri maata (ja kaikkialla maailmassa) tietosiilojen kanssa. He voivat hyötyä saumattomasta ja turvallisesta integraatiosta ja tietojen yhteentoimivuudesta, mikä tekee lääketieteellisistä tiedoista käyttökelpoisia vaikuttaviin ML-pohjaisiin ennusteisiin ja hahmontunnistukseen. Voit aloittaa kuvilla, mutta lähestymistapa soveltuu myös kaikkeen EHR:ään. Tavoitteena on löytää tietojen sidosryhmille paras tapa käyttää pilvipohjaista putkistoa tietojen normalisoimiseksi ja standardoimiseksi tai suoraan FL:n käyttämiseksi.
Tutkitaan esimerkkiä käyttötapauksesta. Sydänhalvauskuvaustiedot ja -skannaukset ovat hajallaan eri puolilla maata ja maailmaa eristyneissä siiloissa instituuteissa, yliopistoissa ja sairaaloissa, ja ne erotetaan toisistaan byrokraattisilla, maantieteellisillä ja poliittisilla rajoilla. Ei ole olemassa yhtä koottua lähdettä eikä lääketieteen ammattilaisille (ei-ohjelmoijille) helppoa tapaa poimia siitä oivalluksia. Samanaikaisesti ei ole mahdollista kouluttaa ML- ja DL-malleja näille tiedoille, jotka voisivat auttaa lääketieteen ammattilaisia tekemään nopeampia ja tarkempia päätöksiä kriittisinä aikoina, jolloin sydänskannaukset voivat kestää tunteja, kun potilaan elämä saattaa roikkua saldo.
Muita tunnettuja käyttötapauksia ovat mm POTS (Online-seurantajärjestelmän ostaminen) osoitteessa NIH (National Institutes of Health) ja kyberturvallisuus hajautettujen ja porrastettujen tiedusteluratkaisujen tarpeisiin COMCOM-/MAJCOM-toimipisteissä ympäri maailmaa.
Yhteenveto
Federated learning tarjoaa suuria lupauksia vanhoille terveydenhuollon data-analytiikalle ja älykkyydelle. Pilvipohjaisen ratkaisun käyttöönotto AWS-palveluilla on yksinkertaista, ja FL on erityisen hyödyllinen lääketieteellisille organisaatioille, joilla on vanhoja tietoja ja teknisiä haasteita. FL:llä voi olla potentiaalinen vaikutus koko hoitojaksoon, ja nyt vielä enemmän keskittymällä suurten liittovaltion organisaatioiden ja hallitusten johtajien tietojen yhteentoimivuuteen.
Tämä ratkaisu voi auttaa sinua välttämään pyörän uudelleenkeksimistä ja käyttämään uusinta teknologiaa ottaaksesi harppauksen vanhoista järjestelmistä ja ollaksesi edelläkävijä tässä jatkuvasti kehittyvässä tekoälyn maailmassa. Sinusta voi myös tulla johtaja parhaiden käytäntöjen ja tehokkaan lähestymistavan osalta tiedon yhteentoimivuuteen terveydenhuollon ja muiden virastojen ja laitosten sisällä ja välillä. Jos olet instituutti tai virasto, jonka tietosiilot ovat hajallaan eri puolilla maata, voit hyötyä tästä saumattomasta ja turvallisesta integraatiosta.
Tämän viestin sisältö ja mielipiteet ovat kolmannen osapuolen kirjoittajan omia, eikä AWS ole vastuussa tämän viestin sisällöstä tai tarkkuudesta. Jokaisen asiakkaan vastuulla on määrittää, ovatko he HIPAA:n alaisia, ja jos ovat, kuinka HIPAA:ta ja sen täytäntöönpanomääräyksiä parhaiten noudattaa. Ennen AWS:n käyttämistä suojattujen terveystietojen yhteydessä asiakkaiden on annettava AWS Business Associate Addendum (BAA) ja noudatettava sen määritysvaatimuksia.
kirjailijasta
Nitin Kumar (MS, CMU) on johtava tietotutkija T and T Consulting Services, Inc:ssä. Hänellä on laaja kokemus T&K-prototyyppien valmistuksesta, terveysinformatiikasta, julkisen sektorin tiedoista ja tietojen yhteentoimivuudesta. Hän soveltaa tietämystään huippuluokan tutkimusmenetelmistä liittovaltion sektorille tuottaakseen innovatiivisia teknisiä papereita, POC:ita ja MVP:itä. Hän on työskennellyt useiden liittovaltion virastojen kanssa edistääkseen niiden dataa ja tekoälytavoitteita. Nitinin muita painopistealueita ovat luonnollisen kielen käsittely (NLP), dataputket ja generatiivinen tekoäly.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/enable-data-sharing-through-federated-learning-a-policy-approach-for-chief-digital-officers/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 000
- 1
- 100
- 116
- 130
- 600
- 7
- 9
- a
- Meistä
- kiihdyttää
- pääsy
- Mukaan
- vastuullisuutta
- tarkkuus
- tarkka
- saavutettu
- saavuttamisessa
- ACM
- poikki
- Lisäksi
- osoite
- osoitteet
- käsitellään
- Hyväksyminen
- edistää
- virastojen
- toimisto
- koottu
- sopimus
- AI
- Kaikki
- Salliminen
- Myös
- Alzheimerin
- Amazon
- Amazon EC2
- Amazon Web Services
- Amerikka
- keskuudessa
- an
- Analytics
- ja
- poikkeavuuden havaitseminen
- Kaikki
- api
- sovelletaan
- sovelletaan
- lähestymistapa
- suunnilleen
- arkkitehtuuri
- Archive
- OVAT
- alueet
- syntyy
- noin
- artikkeli
- keinotekoinen
- tekoäly
- Tekoäly (AI)
- AS
- ulkomuoto
- arviointi
- auttaa
- Työtoveri
- At
- Hyökkäykset
- kirjoittaja
- Autismi
- automaattisesti
- saatavissa
- keskimäärin
- välttää
- pois
- AWS
- Balance
- pohja
- BE
- koska
- tulevat
- tulossa
- ollut
- ennen
- takana
- ovat
- benchmark
- hyödyttää
- Hyödyt
- PARAS
- parhaat käytännöt
- välillä
- Jälkeen
- puolueellinen
- Miljardi
- Uutiset ja media
- suunnitelma
- vahvistamalla
- pullonkaula
- rajat
- Aivot
- tuoda
- rakentaa
- Rakentaminen
- byrokraattinen
- liiketoiminta
- mutta
- by
- CA
- CAN
- kyvyt
- kaapata
- joka
- tapaus
- tapauksissa
- Aiheuttaa
- syyt
- CCPA
- CDC
- keskitetty
- tietty
- haaste
- haasteet
- päällikkö
- Valita
- Clara
- asiakas
- Kliininen
- Cm
- yhteistyöhön
- Tulla
- tulee
- Yhteinen
- Viestintä
- vertailukelpoinen
- verrattuna
- yhteensopivuus
- noudatettava
- osat
- laskeminen
- Laskea
- ehto
- luottamus
- Konfigurointi
- liitäntä
- harkinta
- vakauttaminen
- rajoitteet
- konsultointi
- kuluttaja
- kuluttajien yksityisyys
- pitoisuus
- asiayhteyteen
- vaikuttaa omalta
- ohjaus
- Lähentyminen
- muunnetaan
- Ydin
- korruptio
- kallis
- voisi
- maa
- katettu
- kriittinen
- ratkaiseva
- hankala
- Nykyinen
- Tällä hetkellä
- asiakassuhde
- Asiakkaat
- leikkaamisreuna
- tietoverkkojen
- sykli
- vahinko
- tiedot
- Data Analytics
- Tiedonvaihto
- tietojenkäsittely
- tietosuoja
- tietojen tutkija
- tietoturva
- tietojen jakaminen
- aineistot
- päivä
- Kuolema
- hajautettu
- Päätöksenteko
- päätökset
- syvä
- syvä oppiminen
- toimittaa
- osasto
- Riippuen
- sijoittaa
- käyttöönotto
- ajelehtia
- on kuvattu
- yksityiskohtainen
- Detection
- Määrittää
- määritetään
- diagnoosi
- kaavio
- ero
- eri
- digitaalinen
- suunta
- suoraan
- vammaiset
- pohtia
- keskustelu
- Sairaus
- jaettu
- hajautettu koulutus
- jakelu
- useat
- lääkärit
- verkkotunnuksen
- verkkotunnuksia
- alas
- dr
- kaksi
- kesto
- aikana
- dynaaminen
- kukin
- helposti
- helppo
- helppo käyttää
- kaikuja
- tehokkaasti
- tehokkuus
- tehokas
- vaivaton
- ponnisteluja
- Elektroninen
- Sähköiset terveyskertomukset
- eliminoitu
- hätä
- mahdollistaa
- mahdollistaa
- mahdollistaa
- päätepiste
- Tekniikka
- rikastettu
- varmistamalla
- enter
- Koko
- aikakausia
- oikeudenmukainen
- erityisesti
- arvioida
- Jopa
- Joka
- jokainen
- esimerkki
- Esimerkit
- Vaihdetaan
- laajeni
- experience
- asiantuntija
- tutkia
- laajennettu
- laaja
- Kattava kokemus
- uute
- Kasvot
- nopeampi
- mahdollinen
- Ominaisuudet
- Liitto-
- Federated
- harvat
- ala
- luvut
- Asiakirjat
- lopullinen
- Löytää
- palomuurit
- Etunimi
- viisi
- joustava
- Keskittää
- seurata
- jälkeen
- varten
- voima
- eturintamassa
- muoto
- löytyi
- Puitteet
- puitteet
- usein
- alkaen
- koko
- edelleen
- Lisäksi
- GDPR
- general
- yleensä
- generatiivinen
- Generatiivinen AI
- maantieteellinen
- saada
- Antaa
- Global
- maapallo
- Go
- tavoite
- Tavoitteet
- Kulta
- Kultakanta
- hyvä
- Hallitus
- Hallituksen johtajat
- suuri
- täysikasvuinen
- vieras
- Tarvikkeet
- valjaat
- valjastaminen
- Olla
- he
- terveys
- terveystiedot
- terveydenhuollon
- sydän
- raskas
- auttaa
- hyödyllinen
- auttaa
- tätä
- korkean tason
- korkealaatuisia
- Korostaa
- Korostettu
- haitata
- hänen
- pitää
- sairaala
- sairaalat
- hotellit
- TUNTIA
- Miten
- Kuitenkin
- HTML
- http
- HTTPS
- Aitajuoksu
- ajatus
- Identiteetti
- IEEE
- if
- valaista
- havainnollistaa
- kuva
- kuvien
- Imaging
- Vaikutus
- vaikuttavia
- toteuttaa
- täytäntöönpano
- täytäntöönpanosta
- tärkeä
- parantaa
- parannuksia
- parantaminen
- in
- epätarkka
- Inc.
- sisältää
- Mukaan lukien
- täydellinen
- sisällyttää
- sisältävät
- henkilökohtainen
- tiedot
- tietoa
- tiedottaa
- Infrastruktuuri
- aloite
- innovatiivinen
- oivalluksia
- innostaa
- Instituutti
- laitokset
- vakuutus
- integraatio
- Älykkyys
- kansainvälisesti
- Internet
- Interoperability
- tulee
- yksittäinen
- kysymykset
- IT
- SEN
- yhdistää
- jpeg
- jpg
- vain
- pito
- tuntemus
- tunnettu
- Kumar
- merkinnät
- Kieli
- suuri
- laaja
- uusin
- Lait
- johtaa
- johtaja
- johtajat
- johtava
- Harppaus
- oppiminen
- jättää
- Perintö
- Taso
- kirjastot
- Kirjasto
- elämä
- elinkaari
- kevyt
- pitää
- rajoitus
- Lista
- Lives
- paikallinen
- sijainnit
- pitkän aikavälin
- kauemmin
- menettää
- Erä
- kone
- koneoppiminen
- Koneet
- ylläpitää
- tehdä
- TEE
- Tekeminen
- ilkeä
- toimitusjohtaja
- manuaalinen
- monet
- kartta
- kartoitus
- Massachusetts
- Massachusettsin Teknologian Instituutti
- massiivinen
- maksimi
- Saattaa..
- lääketieteellinen
- lääketieteelliset tiedot
- Medicare
- lääketiede
- kokous
- mainitsi
- mennä
- Metadata
- menetelmät
- ehkä
- minuuttia
- MIT
- ML
- malli
- mallintaminen
- mallit
- lisää
- eniten
- Suosituin
- liikkuvat
- MK
- paljon
- monipuolue
- moninkertainen
- täytyy
- MVP: t
- kansallinen
- kansalliset terveyslaitokset
- Luonnollinen
- Luonnollinen kielen käsittely
- luonto
- Tarve
- tarvitaan
- tarpeet
- verkot
- neuronien
- Uusi
- uudempi
- NIH
- NLP
- Nro
- solmu
- Pohjoiseen
- Pohjois-Amerikka
- nyt
- numero
- Nvidia
- este
- esteitä
- of
- kampanja
- tarjoamalla
- Tarjoukset
- virkamiehet
- usein
- on
- ONE
- verkossa
- Lausunnot
- optimointi
- Vaihtoehdot
- or
- organisaatio
- organisaatioiden
- Muut
- muuten
- ulkopuolella
- yli
- voittaminen
- yläpuolella
- päällekkäisyys
- yleiskatsaus
- oma
- Paperi
- paperit
- osallistujat
- osallistuva
- osapuolet
- puolue
- Hyväksytty
- potilas
- potilaat
- Kuvio
- kuviot
- Pennsylvania
- Ihmiset
- suorituskyky
- henkilö
- henkilöstö
- henkilökohtaiset tiedot
- vaihe
- lentäjät
- putki
- Platon
- Platonin tietotieto
- PlatonData
- myrkytys
- politiikkaa
- politiikka
- poliittinen
- Suosittu
- siirrettävyys
- aiheuttaa
- mahdollinen
- Kirje
- mahdollinen
- teho
- valtuudet
- käytännöt
- Tarkkuus
- Ennusteet
- alustava
- valmistelee
- estää
- estää
- ensisijainen
- yksityisyys
- Tietosuoja ja turvallisuus
- yksityinen
- Ongelma
- ongelmia
- prosessi
- Prosessit
- käsittely
- ammattilaiset
- hankkeet
- lupaus
- osa
- ehdottaa
- ehdotettu
- patentoitu
- suojattu
- suojaus
- prototyyppien
- tarjoaa
- tarjoamalla
- julkinen
- julkisesti
- osto-
- laittaa
- laatu
- nopea
- nopeasti
- melko
- lainata
- T & K-
- radikaalisti
- vaihtelee
- raaka
- RE
- tavoittaa
- todellinen
- todellinen maailma
- syistä
- äskettäin
- tunnustaminen
- asiakirjat
- toistuva
- vähentää
- katso
- tarkoitettuja
- säännöllinen
- säännöllisesti
- säännelty
- määräykset
- liittyvä
- luotettava
- poistamalla
- säilytyspaikka
- edustus
- vaatimukset
- tutkimus
- Tutkimuslaitokset
- Tutkijat
- ratkaisee
- Esittelymateriaalit
- ne
- vastuu
- vastuullinen
- rajoitukset
- johtua
- tulokset
- Rikas
- luja
- roolit
- juuri
- sagemaker
- sama
- näyte
- Säästä
- tallentaa
- skaalautuvuus
- skannaa
- hajallaan
- skenaariot
- aikataulutus
- Tiedemies
- saumaton
- saumattomasti
- Toinen
- toissijainen
- osiot
- sektori
- turvallinen
- turvallisuus
- turvallisuusmerkki
- jakautuminen
- valinta
- sensible
- servers
- Palvelut
- Setit
- settings
- useat
- Jaa:
- yhteinen
- jakaminen
- näyttää
- esitetty
- merkittävä
- merkittävästi
- siilot
- samankaltainen
- samalla lailla
- Yksinkertainen
- single
- Sivustot
- Istuminen
- Koko
- pieni
- So
- yhteiskunta
- ratkaisu
- Ratkaisumme
- jonkin verran
- joskus
- lähde
- Tila
- erityinen
- erityisesti
- Henkilöstö
- sidosryhmien
- standardi
- standardit
- Alkaa
- alkoi
- Valtiot
- tilastollinen
- Askeleet
- Yhä
- Levytila
- tallennettu
- suora
- aihe
- aliverkon
- tuki
- järjestelmä
- järjestelmät
- ottaa
- vie
- Tehtävä
- tehtävät
- tiimit
- teknologia
- Tekninen
- Technologies
- Elektroniikka
- tensorflow
- testattu
- Testaus
- kuin
- että
- -
- Lähde
- maailma
- heidän
- Niitä
- teema
- Siellä.
- siten
- siksi
- Nämä
- ne
- kolmannen osapuolen
- tätä
- ne
- Kautta
- kiristys
- aika
- kertaa
- että
- yhdessä
- symbolinen
- liian
- työkalut
- ylin
- kohti
- Seuranta
- perinteinen
- Juna
- koulutettu
- koulutus
- junat
- siirtää
- Muuttaa
- muuttamassa
- kauttakulku
- käsitelty
- hoito
- luotettu
- Uk
- puolueeton
- varten
- yhdistynyt
- yksikkö
- yhdistyä
- Yhtenäinen
- Yhdysvallat
- Yliopistot
- yliopisto
- toisin kuin
- lukituksen
- hyödyntämätön
- päivitetty
- päälle
- us
- käyttökelpoinen
- käyttää
- käyttölaukku
- käytetty
- käyttäjä
- Käyttäjän omaksuminen
- käyttötarkoituksiin
- käyttämällä
- arvokas
- arvo
- vaihtelut
- eri
- myyjät
- kautta
- uhrit
- Virtual
- haluta
- Tapa..
- we
- verkko
- verkkopalvelut
- HYVIN
- Pyörä
- kun
- onko
- joka
- vaikka
- miksi
- laajalle levinnyt
- with
- sisällä
- ilman
- sanoja
- Referenssit
- työskenteli
- työskentely
- toimii
- maailman-
- olisi
- kirjallinen
- vuosi
- vuotta
- vielä
- Voit
- Sinun
- zephyrnet