【研究成果】臺大團隊參與之全球大規模聯邦學習計畫 成果發表於國際頂尖期刊Nature Medicine

by Yang-Kuang Chao
822 觀看次數

授權轉載  /  臺灣大學秘書室媒體公關中心、臺灣大學應用數學科學研究所王偉仲教授


圖1. MAHC x MeDA x 健保署 x Nvidia 於國際頂尖期刊《自然醫學》(Nature Medicine)發表COVID-19病人氧氣需求AI聯邦學習成果。

由臺大人工智慧與機器人研究中心主任傅立成教授所主持的全幅健康照護中心(MAHC),與臺大應用數學科學研究所王偉仲教授研究團隊(MeDA Lab),以及衛生福利部中央健康保險署一同合作,2020年7月起加入由美國科技大廠NVIDIA和頂尖醫療機構Mass General Brigham聯合醫院所發起的COVID-19聯邦學習計劃EXAM(EMR CXR AI Model)。經與多方國際單位合作,共同開發出為專業醫事人員所信任並能有效運用於臨床場域的人工智慧(AI)模型,成功預測COVID-19患者對呼吸器的需求程度。這項規模龐大、合作單位跨越五大洲的研究成果,於今年9月15日發表於國際頂尖期刊《自然醫學》(Nature Medicine)。

本次聯邦學習 EXAM 計畫集合來自美國、英國、加拿大、日本、韓國、泰國、巴西以及臺灣等國二十間醫院或研究機構,共同開發能夠精準預測COVID-19患者對呼吸器的需求程度,透過先進AI 技術輔助醫事人員預測 COVID-19 患者的氧氣需求,以便最有效率地安置患者,使醫療資源達到更適切的運用。藉由聯邦學習技術,研究人員可以在不取得各地伺服器中,患者隱私資料的條件下,運用各合作單位所提供之胸腔X光影像(Chest X-Ray, CXR)與電子健康紀錄等醫療資訊來訓練EXAM模型。

此次在臺大MAHC、MeDA Lab、健保署與NVIDIA努力合作下,由健保署針對確診COVID-19感染病患與非COVID-19感染病患,提供相關CXR影像資料及相關生理數據資料,作為AI模型的訓練資料集。並由臺大團隊、健保署、NVIDIA與其他分布於全球不同地點的參與醫院合作,共同建構數據庫、調整與執行聯邦學習演算法,最終驗證AI模型準確性。臺灣參與的機構單位除了MAHC、MeDA Lab、健保署之外,還有三軍總醫院,可謂國內產官學研醫共同參與跨國大型AI應用於醫療研究的成功典範。

這項發表於《自然醫學》的研究,聯邦學習技術在沒有交換數據的情況下,促成全球跨國間的協作,並在保護隱私的前提下,有效打造出精準且可普及的EXAM AI模型,為聯邦學習技術更廣泛地應用於醫療領域奠定基礎。研究結果顯示,此全球性大規模聯合研究,成功預測COVID-19患者從初次到急診室就診,之後24小時和72小時的氧氣需求,得到接收者操作特性曲線下面積(AUC)平均大於0.92優異的預測能力。

此外,透過聯邦學習的訓練,所有參與此計畫的在地模型(local model)平均接收者操作特性曲線下面積(AUC)提高16%、泛用性(generalizability)平均增加38%。在參與計畫中,最大的獨立測試醫院資料,此聯邦學習模型於預測 COVID-19 患者24小時的氧氣需求程度,模型敏感度(sensitivity)為0.950、特異度(specificity)為0.882。上述數據均顯示EXAM模型具備優異的效能。這個跨國合作所開發的Al模型,已經放置於雲端,開放所有人使用。以臺灣而言,除了可以協助本國籍病患,對於來自不同國家移入的病患來說,這個跨族群的聯邦學習模型的預測結果更具參考價值。

臺大傅立成教授表示,全幅健康照護中心十分榮幸可以參與此次計畫,為AI技術運用於COVID-19治療所需醫療資源的相關研究帶來貢獻。中心也將持續參與投入各項AI技術應用於醫療及照護的研究與合作,期許能透過跨界、甚至跨國合作,協助推進臺灣的智慧醫療照護領域發展。

( 原文出處:https://sec.ntu.edu.tw/epaper/article.asp?num=1499&sn=21063 )


參考文獻

你可能也想知道