Đây là bài đăng trên blog của khách được viết bởi Nitin Kumar, Nhà khoa học dữ liệu hàng đầu tại T and T Consulting Services, Inc.
Trong bài đăng này, chúng tôi thảo luận về giá trị và tác động tiềm tàng của việc học tập liên kết trong lĩnh vực chăm sóc sức khỏe. Phương pháp tiếp cận này có thể giúp các bệnh nhân, bác sĩ và nhà nghiên cứu bị đột quỵ tim chẩn đoán nhanh hơn, đưa ra quyết định phong phú hơn cũng như công việc nghiên cứu toàn diện, đầy đủ thông tin hơn về các vấn đề sức khỏe liên quan đến đột quỵ, sử dụng phương pháp tiếp cận dựa trên nền tảng đám mây với các dịch vụ AWS để tăng cường nhẹ nhàng và áp dụng đơn giản .
Những thách thức chẩn đoán với đột quỵ tim
Thống kê từ Trung tâm kiểm soát và phòng ngừa dịch bệnh (CDC) cho thấy mỗi năm ở Mỹ có hơn 795,000 người bị đột quỵ lần đầu và khoảng 25% trong số họ bị các cơn tái phát. Đây là nguyên nhân gây tử vong đứng thứ năm theo Hiệp hội Đột quỵ Hoa Kỳ và là nguyên nhân hàng đầu gây ra tình trạng khuyết tật ở Hoa Kỳ. Vì vậy, điều quan trọng là phải chẩn đoán và điều trị kịp thời để giảm tổn thương não và các biến chứng khác ở bệnh nhân đột quỵ cấp tính.
CT và MRI là tiêu chuẩn vàng trong công nghệ hình ảnh để phân loại các loại đột quỵ khác nhau và rất quan trọng trong quá trình đánh giá sơ bộ bệnh nhân, xác định nguyên nhân gốc rễ và điều trị. Một thách thức quan trọng ở đây, đặc biệt trong trường hợp đột quỵ cấp tính, là thời gian chẩn đoán hình ảnh, trung bình dao động từ 30 phút đến một giờ và có thể lâu hơn nhiều tùy thuộc vào tình trạng đông đúc của khoa cấp cứu.
Các bác sĩ và nhân viên y tế cần chẩn đoán hình ảnh nhanh chóng, chính xác để đánh giá tình trạng bệnh nhân và đề xuất phương án điều trị. Theo lời của Tiến sĩ Werner Vogels tại AWS lại: Phát minh 2023, “mỗi giây một người bị đột quỵ đều có giá trị.” Những nạn nhân bị đột quỵ có thể mất khoảng 1.9 tỷ tế bào thần kinh mỗi giây nếu không được điều trị.
Hạn chế dữ liệu y tế
Bạn có thể sử dụng máy học (ML) để hỗ trợ bác sĩ và nhà nghiên cứu trong nhiệm vụ chẩn đoán, từ đó đẩy nhanh quá trình. Tuy nhiên, các bộ dữ liệu cần thiết để xây dựng mô hình ML và đưa ra kết quả đáng tin cậy đang nằm trong các bộ dữ liệu riêng biệt trên các tổ chức và hệ thống chăm sóc sức khỏe khác nhau. Dữ liệu kế thừa bị cô lập này có khả năng gây ra tác động lớn nếu được tích lũy. Vậy tại sao nó vẫn chưa được sử dụng?
Có nhiều thách thức khi làm việc với các bộ dữ liệu trong lĩnh vực y tế và xây dựng các giải pháp ML, bao gồm quyền riêng tư của bệnh nhân, bảo mật dữ liệu cá nhân cũng như một số hạn chế về chính sách và quan liêu nhất định. Ngoài ra, các tổ chức nghiên cứu đã thắt chặt hoạt động chia sẻ dữ liệu của họ. Những trở ngại này cũng ngăn cản các nhóm nghiên cứu quốc tế làm việc cùng nhau trên các bộ dữ liệu đa dạng và phong phú, có thể cứu sống và ngăn ngừa khuyết tật do đột quỵ, cùng nhiều lợi ích khác.
Các chính sách và quy định như Quy định về bảo vệ dữ liệu chung (GDPR), Đạo luật về tính linh động và trách nhiệm về bảo hiểm y tế (HIPPA), và Đạo luật bảo mật người tiêu dùng California (CCPA) đưa ra các biện pháp bảo vệ việc chia sẻ dữ liệu từ lĩnh vực y tế, đặc biệt là dữ liệu bệnh nhân. Ngoài ra, bộ dữ liệu tại các viện, tổ chức và bệnh viện riêng lẻ thường quá nhỏ, không cân bằng hoặc phân bố sai lệch, dẫn đến hạn chế về khái quát hóa mô hình.
Học tập liên kết: Giới thiệu
Học tập liên kết (FL) là một dạng ML phi tập trung—một cách tiếp cận kỹ thuật năng động. Trong cách tiếp cận ML phi tập trung này, mô hình ML được chia sẻ giữa các tổ chức để đào tạo về các tập hợp con dữ liệu độc quyền, không giống như đào tạo ML tập trung truyền thống, trong đó mô hình thường đào tạo trên các tập dữ liệu tổng hợp. Dữ liệu luôn được bảo vệ sau tường lửa hoặc VPC của tổ chức, trong khi mô hình có siêu dữ liệu của nó được chia sẻ.
Trong giai đoạn đào tạo, một mô hình FL toàn cầu được phổ biến và đồng bộ hóa giữa các tổ chức đơn vị để đào tạo trên các tập dữ liệu riêng lẻ và một mô hình được đào tạo cục bộ sẽ được trả về. Mô hình toàn cầu cuối cùng có sẵn để sử dụng nhằm đưa ra dự đoán cho mọi người trong số những người tham gia và cũng có thể được sử dụng làm cơ sở cho việc đào tạo thêm nhằm xây dựng các mô hình tùy chỉnh địa phương cho các tổ chức tham gia. Nó có thể được mở rộng hơn nữa để mang lại lợi ích cho các viện khác. Cách tiếp cận này có thể giảm đáng kể các yêu cầu về an ninh mạng đối với dữ liệu đang truyền bằng cách loại bỏ nhu cầu dữ liệu truyền ra ngoài ranh giới của tổ chức.
Sơ đồ sau đây minh họa một kiến trúc ví dụ.
Trong các phần sau, chúng tôi thảo luận về cách học tập liên kết có thể hữu ích.
Liên đoàn học cách cứu thế giới (và cứu mạng sống)
Để có trí tuệ nhân tạo (AI) tốt, bạn cần có dữ liệu tốt.
Các hệ thống cũ, thường được tìm thấy trong miền liên bang, đặt ra những thách thức xử lý dữ liệu đáng kể trước khi bạn có thể rút ra bất kỳ thông tin tình báo nào hoặc hợp nhất chúng với các bộ dữ liệu mới hơn. Đây là trở ngại trong việc cung cấp những thông tin tình báo có giá trị cho lãnh đạo. Nó có thể dẫn đến việc ra quyết định không chính xác vì tỷ lệ dữ liệu cũ đôi khi có giá trị hơn nhiều so với tập dữ liệu nhỏ mới hơn. Bạn muốn giải quyết nút thắt cổ chai này một cách hiệu quả và không cần nỗ lực tích hợp và hợp nhất thủ công (bao gồm các quy trình lập bản đồ rườm rà) cho các bộ dữ liệu cũ và mới hơn nằm ở khắp các bệnh viện và viện, trong nhiều trường hợp có thể mất nhiều tháng—nếu không muốn nói là nhiều năm. Dữ liệu kế thừa khá có giá trị vì nó chứa thông tin ngữ cảnh quan trọng cần thiết để đưa ra quyết định chính xác và đào tạo mô hình đầy đủ thông tin, dẫn đến AI đáng tin cậy trong thế giới thực. Khoảng thời gian của dữ liệu cho biết các biến thể và mẫu dài hạn trong tập dữ liệu mà nếu không sẽ không bị phát hiện và dẫn đến những dự đoán sai lệch và thiếu thông tin.
Việc phá vỡ các kho dữ liệu này để thống nhất tiềm năng chưa được khai thác của dữ liệu rải rác có thể cứu và thay đổi nhiều mạng sống. Nó cũng có thể đẩy nhanh nghiên cứu liên quan đến các vấn đề sức khỏe thứ phát phát sinh từ đột quỵ tim. Giải pháp này có thể giúp bạn chia sẻ thông tin chi tiết về dữ liệu được tách biệt giữa các viện do chính sách và các lý do khác, cho dù bạn là bệnh viện, viện nghiên cứu hay các tổ chức tập trung vào dữ liệu y tế khác. Nó có thể cho phép đưa ra các quyết định sáng suốt về hướng nghiên cứu và chẩn đoán. Ngoài ra, nó còn tạo ra một kho lưu trữ thông tin tập trung thông qua cơ sở kiến thức an toàn, riêng tư và toàn cầu.
Học tập liên kết có nhiều lợi ích nói chung và đặc biệt đối với cài đặt dữ liệu y tế.
Tính năng bảo mật và quyền riêng tư:
- Giữ dữ liệu nhạy cảm khỏi Internet và vẫn sử dụng nó cho ML, đồng thời khai thác trí thông minh của nó với quyền riêng tư khác biệt
- Cho phép bạn xây dựng, đào tạo và triển khai các mô hình mạnh mẽ và không thiên vị trên không chỉ máy mà còn cả mạng mà không có bất kỳ mối nguy hiểm bảo mật dữ liệu nào
- Vượt qua những rào cản với nhiều nhà cung cấp quản lý dữ liệu
- Loại bỏ nhu cầu chia sẻ dữ liệu giữa các trang web và quản trị toàn cầu
- Duy trì quyền riêng tư với quyền riêng tư khác biệt và cung cấp khả năng tính toán an toàn cho nhiều bên với chương trình đào tạo tại địa phương
Cải tiến hiệu suất:
- Giải quyết vấn đề kích thước mẫu nhỏ trong không gian hình ảnh y tế và quy trình ghi nhãn tốn kém
- Cân bằng việc phân phối dữ liệu
- Cho phép bạn kết hợp hầu hết các phương pháp ML và deep learning (DL) truyền thống
- Sử dụng các bộ ảnh gộp để giúp cải thiện sức mạnh thống kê, khắc phục giới hạn kích thước mẫu của từng tổ chức
Lợi ích về khả năng phục hồi:
- Nếu bất kỳ bên nào quyết định rời đi, điều đó sẽ không cản trở việc đào tạo
- Bệnh viện hoặc viện mới có thể tham gia bất cứ lúc nào; nó không phụ thuộc vào bất kỳ tập dữ liệu cụ thể nào với bất kỳ tổ chức nút nào
- Không cần các đường dẫn kỹ thuật dữ liệu rộng rãi cho dữ liệu kế thừa nằm rải rác trên các vị trí địa lý rộng khắp
Những tính năng này có thể giúp phá bỏ bức tường ngăn cách giữa các tổ chức lưu trữ các bộ dữ liệu biệt lập trên các miền tương tự. Giải pháp này có thể trở thành một hệ số nhân mạnh mẽ bằng cách khai thác sức mạnh thống nhất của các bộ dữ liệu phân tán và nâng cao hiệu quả bằng cách chuyển đổi hoàn toàn khía cạnh khả năng mở rộng mà không cần nâng cao cơ sở hạ tầng nặng nề. Cách tiếp cận này giúp ML phát huy hết tiềm năng, trở nên thành thạo ở cấp độ lâm sàng chứ không chỉ dừng lại ở nghiên cứu.
Học tập liên kết có hiệu suất tương đương với ML thông thường, như thể hiện trong phần sau thử nghiệm bởi NVidia Clara (trên Medical Modal ARchive (MMAR) sử dụng bộ dữ liệu BRATS2018). Tại đây, FL đã đạt được hiệu suất phân đoạn tương đương so với đào tạo bằng dữ liệu tập trung: trên 80% với khoảng 600 kỷ nguyên trong khi đào tạo nhiệm vụ phân đoạn khối u não đa phương thức, nhiều lớp.
Học tập liên kết gần đây đã được thử nghiệm trong một số lĩnh vực y tế cho các trường hợp sử dụng bao gồm học tập tương tự bệnh nhân, học tập đại diện cho bệnh nhân, kiểu hình và mô hình dự đoán.
Kế hoạch chi tiết ứng dụng: Học tập liên kết giúp việc này trở nên khả thi và đơn giản
Để bắt đầu với FL, bạn có thể chọn từ nhiều bộ dữ liệu chất lượng cao. Ví dụ: bộ dữ liệu có hình ảnh não bao gồm CHỊU ĐỰNG (Sáng kiến trao đổi dữ liệu hình ảnh não tự kỷ), ADNI (Sáng kiến chụp ảnh thần kinh bệnh Alzheimer), RSNA (Hiệp hội X quang Bắc Mỹ) CT não, áo ngực (Điểm chuẩn phân đoạn hình ảnh khối u não đa phương thức) được cập nhật thường xuyên cho Thử thách phân đoạn hình ảnh khối u não trong UPenn (Đại học Pennsylvania), Ngân hàng sinh học Vương quốc Anh (được đề cập trong NIH sau giấy), Và XI. Tương tự đối với hình ảnh trái tim, bạn có thể chọn từ một số tùy chọn có sẵn công khai, bao gồm ACDC (Thử thách chẩn đoán tim tự động), là bộ dữ liệu đánh giá MRI tim với chú thích đầy đủ được Thư viện Y khoa Quốc gia đề cập trong phần sau giấy, và Thử thách phân đoạn tim M&M (Đa trung tâm, Đa nhà cung cấp và Đa bệnh) được đề cập trong phần sau IEEE giấy.
Những hình ảnh sau đây cho thấy một bản đồ chồng chéo tổn thương xác suất cho các tổn thương chính từ bộ dữ liệu ATLAS R1.1. (Đột quỵ là một trong những nguyên nhân phổ biến nhất gây tổn thương não theo Cleveland Clinic.)
Đối với dữ liệu Hồ sơ sức khỏe điện tử (EHR), có sẵn một số bộ dữ liệu tuân theo Tài nguyên về khả năng tương tác chăm sóc sức khỏe nhanh (FHIR) tiêu chuẩn. Tiêu chuẩn này giúp bạn xây dựng các phi công đơn giản bằng cách loại bỏ những thách thức nhất định với các bộ dữ liệu không đồng nhất, không chuẩn hóa, cho phép trao đổi, chia sẻ và tích hợp các bộ dữ liệu liền mạch và an toàn. FHIR cho phép khả năng tương tác tối đa. Ví dụ về tập dữ liệu bao gồm MIMIC-IV (Thị trường thông tin y tế dành cho chăm sóc đặc biệt). Các bộ dữ liệu chất lượng tốt khác hiện không phải là FHIR nhưng có thể dễ dàng chuyển đổi bao gồm Trung tâm Dịch vụ Medicare & Medicaid (CMS) Tệp sử dụng công cộng (PUF) và Cơ sở dữ liệu nghiên cứu hợp tác eICU từ MIT (Viện Công nghệ Massachusetts). Ngoài ra còn có các tài nguyên khác hiện có cung cấp bộ dữ liệu dựa trên FHIR.
Vòng đời triển khai FL có thể bao gồm những điều sau bước: khởi tạo nhiệm vụ, lựa chọn, cấu hình, đào tạo mô hình, giao tiếp máy khách/máy chủ, lập kế hoạch và tối ưu hóa, lập phiên bản, thử nghiệm, triển khai và chấm dứt. Có nhiều bước tốn nhiều thời gian để chuẩn bị dữ liệu hình ảnh y tế cho ML truyền thống, như được mô tả sau đây giấy. Kiến thức về miền có thể cần thiết trong một số trường hợp để xử lý trước dữ liệu thô của bệnh nhân, đặc biệt do tính chất nhạy cảm và riêng tư của nó. Những điều này có thể được hợp nhất và đôi khi được loại bỏ đối với FL, tiết kiệm thời gian quan trọng cho việc đào tạo và mang lại kết quả nhanh hơn.
Thực hiện
Các công cụ và thư viện FL đã phát triển với sự hỗ trợ rộng rãi, giúp việc sử dụng FL trở nên đơn giản mà không cần tốn nhiều công sức. Có rất nhiều tài nguyên tốt và các tùy chọn khung có sẵn để bắt đầu. Bạn có thể tham khảo sau đây danh sách rộng rãi trong số các khung và công cụ phổ biến nhất trong miền FL, bao gồm Bình yên, FedML, Hoa, OpenFL, SỐ PHẬN, TensorFlow được liên kếtvà NVFlare. Nó cung cấp danh sách các dự án dành cho người mới bắt đầu để bắt đầu và xây dựng nhanh chóng.
Bạn có thể triển khai cách tiếp cận dựa trên nền tảng đám mây với Amazon SageMaker hoạt động liền mạch với Tiên phong AWS VPC, lưu giữ quá trình đào tạo của mỗi nút trong một mạng con riêng tư trong VPC tương ứng của chúng và cho phép liên lạc qua địa chỉ IPv4 riêng tư. Hơn nữa, mô hình lưu trữ trên Khởi động Amazon SageMaker có thể trợ giúp bằng cách hiển thị API điểm cuối mà không chia sẻ trọng số mô hình.
Nó cũng loại bỏ những thách thức điện toán cấp cao tiềm ẩn với phần cứng tại chỗ với Đám mây điện toán đàn hồi Amazon (Amazon EC2) tài nguyên. Bạn có thể triển khai máy khách và máy chủ FL trên AWS bằng sổ ghi chép SageMaker và Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3), duy trì quyền truy cập được quy định vào dữ liệu và mô hình với Quản lý truy cập và nhận dạng AWS (IAM) và cách sử dụng Dịch vụ mã thông báo bảo mật AWS (AWS STS) để bảo mật phía máy khách. Bạn cũng có thể xây dựng hệ thống tùy chỉnh của riêng mình cho FL bằng Amazon EC2.
Để có cái nhìn tổng quan chi tiết về việc triển khai FL với Hoa khuôn khổ trên SageMaker và thảo luận về sự khác biệt của nó so với đào tạo phân tán, hãy tham khảo Học máy với dữ liệu đào tạo phi tập trung sử dụng học tập liên kết trên Amazon SageMaker.
Các hình dưới đây minh họa kiến trúc của việc học chuyển giao trong FL.
Giải quyết các thách thức về dữ liệu FL
Học tập liên kết đi kèm với những thách thức riêng về dữ liệu, bao gồm quyền riêng tư và bảo mật, nhưng chúng rất dễ giải quyết. Trước tiên, bạn cần giải quyết vấn đề không đồng nhất về dữ liệu với dữ liệu hình ảnh y tế phát sinh từ dữ liệu được lưu trữ trên các trang web và tổ chức tham gia khác nhau, được gọi là cơ sở dữ liệu chuyển đổi tên miền vấn đề (còn gọi là ca khách hàng trong hệ thống FL), như được Guan và Liu nhấn mạnh trong phần sau giấy. Điều này có thể dẫn đến sự khác biệt trong sự hội tụ của mô hình toàn cầu.
Các thành phần khác cần xem xét bao gồm đảm bảo chất lượng và tính đồng nhất của dữ liệu tại nguồn, kết hợp kiến thức chuyên môn vào quá trình học tập để tạo niềm tin vào hệ thống cho các chuyên gia y tế và đạt được độ chính xác của mô hình. Để biết thêm thông tin về một số thách thức tiềm ẩn mà bạn có thể gặp phải trong quá trình triển khai, hãy tham khảo phần sau giấy.
AWS giúp bạn giải quyết những thách thức này bằng các tính năng như tính năng điện toán linh hoạt của Amazon EC2 và các tính năng dựng sẵn Docker hình ảnh trong SageMaker để triển khai dễ dàng. Bạn có thể giải quyết các vấn đề phía máy khách như dữ liệu không cân bằng và tài nguyên tính toán cho từng tổ chức nút. Bạn có thể giải quyết các vấn đề học tập phía máy chủ như các cuộc tấn công đầu độc từ các bên độc hại bằng Đám mây riêng ảo Amazon (VPC Amazon), nhóm an ninhvà các tiêu chuẩn bảo mật khác, ngăn ngừa lỗi máy khách và triển khai các dịch vụ phát hiện bất thường của AWS.
AWS cũng giúp giải quyết các thách thức triển khai trong thế giới thực, có thể bao gồm các thách thức tích hợp, vấn đề về khả năng tương thích với hệ thống bệnh viện hiện tại hoặc cũ cũng như các rào cản trong việc áp dụng của người dùng bằng cách cung cấp các giải pháp công nghệ thang máy linh hoạt, dễ sử dụng và dễ dàng.
Với các dịch vụ AWS, bạn có thể cho phép triển khai và triển khai lâm sàng và nghiên cứu dựa trên FL quy mô lớn, có thể bao gồm nhiều cơ sở khác nhau trên khắp thế giới.
Các chính sách gần đây về khả năng tương tác nhấn mạnh sự cần thiết của việc học tập liên kết
Nhiều luật được chính phủ thông qua gần đây bao gồm việc tập trung vào khả năng tương tác dữ liệu, thúc đẩy nhu cầu về khả năng tương tác giữa các tổ chức của dữ liệu dành cho hoạt động tình báo. Điều này có thể được thực hiện bằng cách sử dụng FL, bao gồm các khuôn khổ như TEFCA (Khung trao đổi đáng tin cậy và Thỏa thuận chung) và mở rộng USCDI (Dữ liệu cốt lõi của Hoa Kỳ về khả năng tương tác).
Ý tưởng được đề xuất cũng góp phần hướng tới sáng kiến thu thập và phân phối của CDC CDC tiến về phía trước. Trích dẫn sau đây từ bài viết của GovCIO Chia sẻ dữ liệu và AI Ưu tiên hàng đầu của Cơ quan Y tế Liên bang vào năm 2024 cũng lặp lại một chủ đề tương tự: “Những khả năng này cũng có thể hỗ trợ công chúng một cách công bằng, gặp gỡ bệnh nhân tại nơi họ đang ở và mở ra quyền truy cập quan trọng vào các dịch vụ này. Phần lớn công việc này phụ thuộc vào dữ liệu.”
Điều này có thể giúp các viện và cơ quan y tế trên toàn quốc (và trên toàn cầu) có kho lưu trữ dữ liệu. Họ có thể hưởng lợi từ khả năng tương tác dữ liệu và tích hợp liền mạch và an toàn, giúp dữ liệu y tế có thể sử dụng được để dự đoán và nhận dạng mẫu dựa trên ML có tác động mạnh mẽ. Bạn có thể bắt đầu bằng hình ảnh, nhưng cách tiếp cận này cũng có thể áp dụng cho tất cả EHR. Mục tiêu là tìm ra cách tiếp cận tốt nhất cho các bên liên quan đến dữ liệu, với quy trình gốc trên nền tảng đám mây để chuẩn hóa và chuẩn hóa dữ liệu hoặc sử dụng trực tiếp dữ liệu đó cho FL.
Hãy khám phá một trường hợp sử dụng ví dụ. Dữ liệu và kết quả quét hình ảnh đột quỵ nằm rải rác khắp đất nước và thế giới, nằm trong các khu vực biệt lập trong các viện, trường đại học và bệnh viện và bị ngăn cách bởi các ranh giới quan liêu, địa lý và chính trị. Không có nguồn tổng hợp duy nhất và không có cách nào dễ dàng để các chuyên gia y tế (không phải là lập trình viên) rút ra những hiểu biết sâu sắc từ nó. Đồng thời, việc đào tạo các mô hình ML và DL trên dữ liệu này là không khả thi, điều này có thể giúp các chuyên gia y tế đưa ra quyết định nhanh hơn, chính xác hơn trong những thời điểm quan trọng khi quá trình quét tim có thể mất hàng giờ đồng hồ trong khi mạng sống của bệnh nhân có thể bị đe dọa. THĂNG BẰNG.
Các trường hợp sử dụng được biết đến khác bao gồm BÌNH (Hệ thống theo dõi mua hàng trực tuyến) tại NIH (Viện Y tế Quốc gia) và an ninh mạng cho các nhu cầu về giải pháp thông minh phân tán và theo cấp bậc tại các địa điểm COMCOM/MAJCOM trên toàn cầu.
Kết luận
Học tập liên kết hứa hẹn rất nhiều về phân tích dữ liệu chăm sóc sức khỏe và trí thông minh kế thừa. Việc triển khai giải pháp gốc đám mây với các dịch vụ AWS thật đơn giản và FL đặc biệt hữu ích cho các tổ chức y tế gặp phải những thách thức về kỹ thuật và dữ liệu cũ. FL có thể có tác động tiềm tàng đến toàn bộ chu trình điều trị và thậm chí còn hơn thế nữa khi tập trung vào khả năng tương tác dữ liệu từ các tổ chức liên bang lớn và các nhà lãnh đạo chính phủ.
Giải pháp này có thể giúp bạn tránh phải phát minh lại bánh xe và sử dụng công nghệ mới nhất để có bước nhảy vọt từ các hệ thống cũ và dẫn đầu trong thế giới AI không ngừng phát triển này. Bạn cũng có thể trở thành người dẫn đầu về các phương pháp thực hành tốt nhất và cách tiếp cận hiệu quả đối với khả năng tương tác dữ liệu trong và giữa các cơ quan, viện nghiên cứu trong lĩnh vực y tế và hơn thế nữa. Nếu bạn là viện hoặc cơ quan có kho dữ liệu rải rác khắp đất nước, bạn có thể hưởng lợi từ sự tích hợp liền mạch và an toàn này.
Nội dung và ý kiến trong bài đăng này là của tác giả bên thứ ba và AWS không chịu trách nhiệm về nội dung hoặc tính chính xác của bài đăng này. Trách nhiệm của mỗi khách hàng là xác định xem họ có phải tuân theo HIPAA hay không và nếu có thì cách tốt nhất để tuân thủ HIPAA và các quy định thực thi của nó. Trước khi sử dụng AWS liên quan đến thông tin sức khỏe được bảo vệ, khách hàng phải nhập Phụ lục liên kết kinh doanh AWS (BAA) và tuân theo các yêu cầu cấu hình của nó.
Lưu ý
Nitin Kumar (MS, CMU) là Nhà khoa học dữ liệu chính tại T and T Consulting Services, Inc. Ông có nhiều kinh nghiệm về nguyên mẫu R&D, tin học y tế, dữ liệu khu vực công và khả năng tương tác dữ liệu. Anh ấy áp dụng kiến thức của mình về các phương pháp nghiên cứu tiên tiến vào khu vực liên bang để cung cấp các tài liệu kỹ thuật, POC và MVP mang tính đổi mới. Ông đã làm việc với nhiều cơ quan liên bang để nâng cao các mục tiêu về dữ liệu và AI của họ. Các lĩnh vực trọng tâm khác của Nitin bao gồm xử lý ngôn ngữ tự nhiên (NLP), đường dẫn dữ liệu và AI tổng hợp.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/enable-data-sharing-through-federated-learning-a-policy-approach-for-chief-digital-officers/
- : có
- :là
- :không phải
- :Ở đâu
- $ LÊN
- 000
- 1
- 100
- 116
- 130
- 600
- 7
- 9
- a
- Giới thiệu
- đẩy nhanh tiến độ
- truy cập
- Theo
- trách nhiệm
- chính xác
- chính xác
- đạt được
- đạt được
- ACM
- ngang qua
- Ngoài ra
- địa chỉ
- địa chỉ
- giải quyết
- Nhận con nuôi
- tiến
- cơ quan
- cơ quan
- tổng hợp
- Hiệp định
- AI
- Tất cả
- Cho phép
- Ngoài ra
- Alzheimer
- đàn bà gan dạ
- Amazon EC2
- Amazon Web Services
- Mỹ
- trong số
- an
- phân tích
- và
- phát hiện bất thường
- bất kì
- api
- áp dụng
- áp dụng
- phương pháp tiếp cận
- khoảng
- kiến trúc
- lưu trữ
- LÀ
- khu vực
- phát sinh
- xung quanh
- bài viết
- nhân tạo
- trí tuệ nhân tạo
- Trí tuệ nhân tạo (AI)
- AS
- khía cạnh
- thẩm định, lượng định, đánh giá
- hỗ trợ
- Liên kết
- At
- Các cuộc tấn công
- tác giả
- Tự kỷ
- Tự động
- có sẵn
- Trung bình cộng
- tránh
- xa
- AWS
- Cân đối
- cơ sở
- BE
- bởi vì
- trở nên
- trở thành
- được
- trước
- sau
- được
- điểm chuẩn
- hưởng lợi
- Lợi ích
- BEST
- thực hành tốt nhất
- giữa
- Ngoài
- có thành kiến
- Tỷ
- Blog
- kế hoạch chi tiết
- củng cố
- nút cổ chai
- ranh giới
- Brain
- mang lại
- xây dựng
- Xây dựng
- quan liêu
- kinh doanh
- nhưng
- by
- CA
- CAN
- khả năng
- nắm bắt
- mà
- trường hợp
- trường hợp
- Nguyên nhân
- nguyên nhân
- CCPA
- CDC
- tập trung
- nhất định
- thách thức
- thách thức
- chánh
- Chọn
- Clara
- khách hàng
- Lâm sàng
- CMS
- hợp tác
- Đến
- đến
- Chung
- Giao tiếp
- so sánh
- so
- khả năng tương thích
- tuân theo
- các thành phần
- tính toán
- Tính
- điều kiện
- sự tự tin
- Cấu hình
- liên quan
- xem xét
- hợp nhất
- khó khăn
- tư vấn
- người tiêu dùng
- quyền riêng tư của người tiêu dùng
- nội dung
- theo ngữ cảnh
- đóng góp
- điều khiển
- Hội tụ
- chuyển đổi
- Trung tâm
- tham nhũng
- tốn kém
- có thể
- đất nước
- phủ
- quan trọng
- quan trọng
- cồng kềnh
- Current
- Hiện nay
- khách hàng
- khách hàng
- tiên tiến
- An ninh mạng
- chu kỳ
- hư hại
- dữ liệu
- Phân tích dữ liệu
- Trao đổi dữ liệu
- xử lý dữ liệu
- bảo vệ dữ liệu
- nhà khoa học dữ liệu
- bảo mật dữ liệu
- chia sẻ dữ liệu
- bộ dữ liệu
- ngày
- Tử vong
- Phân quyền
- Ra quyết định
- quyết định
- sâu
- học kĩ càng
- cung cấp
- bộ
- Tùy
- triển khai
- triển khai
- lấy được
- mô tả
- chi tiết
- Phát hiện
- Xác định
- xác định
- chẩn đoán
- sơ đồ
- sự khác biệt
- khác nhau
- kỹ thuật số
- hướng
- trực tiếp
- khuyết tật
- thảo luận
- thảo luận
- Bệnh
- phân phối
- đào tạo phân tán
- phân phối
- khác nhau
- Các bác sĩ
- miền
- lĩnh vực
- xuống
- dr
- hai
- thời gian
- suốt trong
- năng động
- mỗi
- dễ dàng
- dễ dàng
- dễ sử dụng
- tiếng vang
- hiệu quả
- hiệu quả
- hiệu quả
- nỗ lực
- những nỗ lực
- điện tử
- Hồ sơ sức khỏe điện tử
- loại bỏ
- trường hợp khẩn cấp
- cho phép
- cho phép
- cho phép
- Điểm cuối
- Kỹ Sư
- Làm giàu
- đảm bảo
- đăng ký hạng mục thi
- Toàn bộ
- kỷ nguyên
- công bình
- đặc biệt
- đánh giá
- Ngay cả
- Mỗi
- mọi người
- ví dụ
- ví dụ
- Sàn giao dịch
- mở rộng
- kinh nghiệm
- chuyên gia
- khám phá
- gia tăng
- mở rộng
- Trải nghiệm sâu sắc
- trích xuất
- Đối mặt
- nhanh hơn
- khả thi
- Tính năng
- Liên bang
- liên hợp
- vài
- lĩnh vực
- Số liệu
- Các tập tin
- cuối cùng
- Tìm kiếm
- tường lửa
- Tên
- năm
- linh hoạt
- Tập trung
- theo
- tiếp theo
- Trong
- Buộc
- đi đầu
- hình thức
- tìm thấy
- Khung
- khung
- thường xuyên
- từ
- Full
- xa hơn
- Hơn nữa
- GDPR
- Tổng Quát
- nói chung
- thế hệ
- Trí tuệ nhân tạo
- địa lý
- được
- Cho
- Toàn cầu
- toàn cầu
- Go
- mục tiêu
- Các mục tiêu
- Gói Vàng
- Tiêu chuẩn vàng
- tốt
- Chính phủ
- Lãnh đạo Chính phủ
- tuyệt vời
- mới lớn
- Khách
- phần cứng
- khai thác
- Khai thác
- Có
- he
- cho sức khoẻ
- thông tin sức khỏe
- chăm sóc sức khỏe
- Trái Tim
- nặng
- giúp đỡ
- hữu ích
- giúp
- tại đây
- cấp độ cao
- chất lượng cao
- Đánh dấu
- Nhấn mạnh
- cản trở
- của mình
- giữ
- bệnh viện
- bệnh viện
- lưu trữ
- GIỜ LÀM VIỆC
- Độ đáng tin của
- Tuy nhiên
- HTML
- http
- HTTPS
- Vượt rào
- ý tưởng
- Bản sắc
- IEEE
- if
- minh họa
- minh họa
- hình ảnh
- hình ảnh
- Hình ảnh
- Va chạm
- ảnh hưởng lớn
- thực hiện
- thực hiện
- thực hiện
- quan trọng
- nâng cao
- cải tiến
- cải thiện
- in
- không chính xác
- Inc.
- bao gồm
- Bao gồm
- Bao gồm
- kết hợp
- kết hợp
- hệ thống riêng biệt,
- thông tin
- thông báo
- thông báo
- Cơ sở hạ tầng
- Sáng kiến
- sáng tạo
- những hiểu biết
- truyền cảm hứng
- Viện
- tổ chức
- bảo hiểm
- hội nhập
- Sự thông minh
- Quốc Tế
- Internet
- Khả năng cộng tác
- trong
- bị cô lập
- các vấn đề
- IT
- ITS
- tham gia
- jpeg
- jpg
- chỉ
- giữ
- kiến thức
- nổi tiếng
- kumar
- ghi nhãn
- Ngôn ngữ
- lớn
- quy mô lớn
- mới nhất
- Luật
- dẫn
- lãnh đạo
- các nhà lãnh đạo
- hàng đầu
- Nhảy qua
- học tập
- Rời bỏ
- Legacy
- Cấp
- thư viện
- Thư viện
- Cuộc sống
- vòng đời
- trọng lượng nhẹ
- Lượt thích
- giới hạn
- Danh sách
- cuộc sống
- địa phương
- . Các địa điểm
- lâu
- còn
- thua
- Rất nhiều
- máy
- học máy
- Máy móc
- duy trì
- làm cho
- LÀM CHO
- Làm
- độc hại
- quản lý
- nhãn hiệu
- nhiều
- bản đồ
- lập bản đồ
- massachusetts
- Viện công nghệ Massachusetts
- lớn
- tối đa
- Có thể..
- y khoa
- dữ liệu y tế
- Trị bịnh
- y học
- cuộc họp
- đề cập
- đi
- Siêu dữ liệu
- phương pháp
- Might
- Phút
- MIT
- ML
- kiểu mẫu
- người mẫu
- mô hình
- chi tiết
- hầu hết
- Phổ biến nhất
- di chuyển
- MRI
- nhiều
- đa đảng
- nhiều
- phải
- MVP
- quốc dân
- viện sức khỏe quốc gia
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- Thiên nhiên
- Cần
- cần thiết
- nhu cầu
- mạng
- Neurons
- Mới
- mới hơn
- NIH
- nlp
- Không
- nút
- Bắc
- Bắc Mỹ
- tại
- con số
- Nvidia
- trở ngại
- trở ngại
- of
- cung cấp
- cung cấp
- Cung cấp
- cán bộ
- thường
- on
- ONE
- Trực tuyến
- Ý kiến
- tối ưu hóa
- Các lựa chọn
- or
- cơ quan
- tổ chức
- Nền tảng khác
- nếu không thì
- bên ngoài
- kết thúc
- khắc phục
- trên không
- trùng lặp
- tổng quan
- riêng
- Giấy
- giấy tờ
- tham gia
- tham gia
- các bên tham gia
- bên
- thông qua
- bệnh nhân
- bệnh nhân
- Họa tiết
- mô hình
- Pennsylvania
- người
- hiệu suất
- người
- riêng
- dữ liệu cá nhân
- giai đoạn
- phi công
- đường ống dẫn
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- ngộ độc
- Chính sách
- điều luật
- chính trị
- Phổ biến
- tính di động
- đặt ra
- có thể
- Bài đăng
- tiềm năng
- quyền lực
- quyền hạn
- thực hành
- Độ chính xác
- Dự đoán
- sơ bộ
- chuẩn bị
- ngăn chặn
- ngăn chặn
- chính
- riêng tư
- Bảo mật và An ninh
- riêng
- Vấn đề
- vấn đề
- quá trình
- Quy trình
- xử lý
- chuyên gia
- dự án
- lời hứa
- tỷ lệ
- đề xuất
- đề xuất
- độc quyền
- bảo vệ
- bảo vệ
- tạo mẫu
- cung cấp
- cung cấp
- công khai
- công khai
- mua
- đặt
- chất lượng
- Nhanh chóng
- Mau
- khá
- trích dẫn
- R & D
- triệt để
- các dãy
- Nguyên
- RE
- đạt
- thực
- thế giới thực
- lý do
- gần đây
- công nhận
- hồ sơ
- lặp lại
- giảm
- xem
- gọi
- đều đặn
- thường xuyên
- quy định
- quy định
- liên quan
- đáng tin cậy
- loại bỏ
- kho
- đại diện
- Yêu cầu
- nghiên cứu
- Viện nghiên cứu
- nhà nghiên cứu
- giải quyết
- Thông tin
- mà
- trách nhiệm
- chịu trách nhiệm
- hạn chế
- kết quả
- Kết quả
- Giàu
- mạnh mẽ
- vai trò
- nguồn gốc
- nhà làm hiền triết
- tương tự
- mẫu
- Lưu
- tiết kiệm
- khả năng mở rộng
- quét
- rải rác
- kịch bản
- lập kế hoạch
- Nhà khoa học
- liền mạch
- liền mạch
- Thứ hai
- trung học
- phần
- ngành
- an toàn
- an ninh
- thẻ bảo mật
- phân khúc
- lựa chọn
- nhạy cảm
- Các máy chủ
- DỊCH VỤ
- bộ
- thiết lập
- một số
- Chia sẻ
- chia sẻ
- chia sẻ
- hiển thị
- thể hiện
- có ý nghĩa
- đáng kể
- silo
- tương tự
- Tương tự
- Đơn giản
- duy nhất
- Các trang web
- Ngồi
- Kích thước máy
- nhỏ
- So
- Xã hội
- giải pháp
- Giải pháp
- một số
- đôi khi
- nguồn
- Không gian
- riêng
- đặc biệt
- Nhân sự
- các bên liên quan
- Tiêu chuẩn
- tiêu chuẩn
- Bắt đầu
- bắt đầu
- Bang
- thống kê
- Các bước
- Vẫn còn
- là gắn
- lưu trữ
- đơn giản
- Tiêu đề
- subnet
- hỗ trợ
- hệ thống
- hệ thống
- Hãy
- mất
- Nhiệm vụ
- nhiệm vụ
- đội
- công nghệ cao
- Kỹ thuật
- Công nghệ
- Công nghệ
- tensorflow
- thử nghiệm
- Kiểm tra
- hơn
- việc này
- Sản phẩm
- Nguồn
- thế giới
- cung cấp their dịch
- Them
- chủ đề
- Đó
- bằng cách ấy
- vì thế
- Kia là
- họ
- của bên thứ ba
- điều này
- những
- Thông qua
- thắt chặt
- thời gian
- thời gian
- đến
- bên nhau
- mã thông báo
- quá
- công cụ
- hàng đầu
- đối với
- Theo dõi
- truyền thống
- Train
- đào tạo
- Hội thảo
- tàu hỏa
- chuyển
- Chuyển đổi
- biến đổi
- quá cảnh
- điều trị
- điều trị
- đáng tin cậy
- Uk
- không thiên vị
- Dưới
- thống nhât
- đơn vị
- đoàn kết
- Kỳ
- Hoa Kỳ
- Các trường Đại học
- trường đại học
- không giống
- mở khóa
- chưa được khai thác
- cập nhật
- trên
- us
- có thể dùng được
- sử dụng
- ca sử dụng
- đã sử dụng
- người sử dang
- Sự chấp nhận của người dùng
- sử dụng
- sử dụng
- Quý báu
- giá trị
- biến thể
- khác nhau
- nhà cung cấp
- thông qua
- nạn nhân
- ảo
- muốn
- Đường..
- we
- web
- các dịch vụ web
- TỐT
- Wheel
- khi nào
- liệu
- cái nào
- trong khi
- tại sao
- phổ biến rộng rãi
- với
- ở trong
- không có
- từ
- Công việc
- làm việc
- đang làm việc
- công trinh
- thế giới
- sẽ
- viết
- năm
- năm
- nhưng
- Bạn
- trên màn hình
- zephyrnet