Presagen的聯合學習算法創(chuàng)建了性能更高的AI

Presagen的聯合創(chuàng)始人兼首席科學家Jonathan Hall博士說：“通過分散式AI培訓，該AI會移動到數據，進行訓練，然后再移動到下一個數據源。只有代表該數據的一般性學習的AI被共享，而不是私人數據本身。這使我們的團隊可以針對從未見過的私人患者數據訓練AI。”

意外而激動人心的結果表明，與使用傳統(tǒng)的集中式方法對相同數據進行訓練相比，分散式AI訓練可以實現更高的準確性。當數據質量較差時，該技術將成為自校正技術，并且精度提高了10%以上。

聯合創(chuàng)始人兼首席執(zhí)行官Michelle Perugini博士說：“這一結果對于開發(fā)商業(yè)AI產品至關重要。像醫(yī)療保健這樣的現實世界問題并非Kaggle競爭。由于主觀性或臨床不確定性，數據本質上質量較差。重要的是，當您無法親自看到時或驗證數據，您將遭受數據提供者有意插入質量低劣數據的對抗攻擊。對于AI而言，為您可靠，自動地處理這些情況非常重要，這減少了手動處理，清理和驗證數據的需要。對于AI公司而言，這是一筆巨大的費用，而且還可能侵犯患者的隱私權。”

CB Insights的報告《 2020年的人工智能趨勢》引述Google Sundar Pichai的首席執(zhí)行官的話說：“在用戶隱私和控制方面，這一直是我們關注的重點...例如，正在進行中的聯合學習正在進行中，例如，針對三個人的聯合學習年...我認為這是我們正在努力的最重要領域之一。”

Google擁有自己的專利聯合學習技術，該技術最初旨在在單個手機上運行AI。Presagen的替代技術專為來自數據源(例如診所)的分布式節(jié)點和不平衡數據集群而設計，確保在保持可擴展性和效率的同時，不會移動或共享私有數據。

Presagen聯合創(chuàng)始人兼首席戰(zhàn)略官Don Perugini博士說：“聯合學習對于在醫(yī)療保健行業(yè)開展業(yè)務的AI公司構建可擴展商業(yè)化的AI醫(yī)療產品將變得至關重要?？蓴U展且公正的AI需要訓練不同的數據集，這些數據集代表不同的患者人群然而，許多/地區(qū)的健康隱私法都禁止私人臨床數據離開原籍國。聯合學習使AI可以在全球不同的數據集上進行訓練，而無需移動或集中數據，從而創(chuàng)建可用于臨床和臨床的AI產品。世界各地的患者都可以使用和依賴。”

Presagen的AI開放項目計劃為Presagen的聯合學習提供了支持，該計劃目前專注于服務不足的女性健康部門(Femtech)。Presagen宣布呼吁“項目”(這是正在開發(fā)的特定醫(yī)療產品)向全球診所提供數據。診所可以通過拖放功能將其以預先指定的格式從診所注釋和驗證的數據輕松“連接”到Presagen的在線臨床數據門戶上。數據保留在原始/地區(qū)的安全本地云服務器上，準備進行分散式AI培訓。這也將數據標記和預處理的工作轉移到擁有適當專業(yè)知識的診所，從而消除了AI公司的巨額成本和障礙。作為對提供標記數據和臨床試驗支持的回報，Presagen一旦商品化，就會向該產品的全球銷售提供版稅。這樣一來，任何規(guī)模的診所都可以在任何地方利用貨幣獲利，而不會產生技術或商業(yè)成本和風險。