这个登上Nature封面的群体学习，无需中央协调员

 

如今，在一些疾病的诊断领域，AI的准确率已经超过了医生。

靠谱的诊断结果背后，是建立海量数据集上的机器学习。

但实际上，可用于训练的医疗数据非常分散，想要把世界各地的数据都集合起来又会引发对数据所有权、隐私性、保密性、安全性的担忧，甚至数据垄断的威胁……

常用的方法如联邦学习，可以解决上述的一些问题，但该模型的参数由“中央协调员”（ central coordinator）处理，造成了“权力”的集中，且它的星形架构也导致容错性降低。

就没有好的解决办法吗？

有，Nature封面为我们刊登了一种叫做Sarm Learning （群体学习，SL）的全新机器学习方法！

该方法结合了边缘计算、基于区块链的对等网络，无需“中央协调员”，超越了联邦学习，可以在不违反隐私法的情况下集合来自世界各地的任何医疗数据。

研究人员用了四个异质性疾病 （结核病、COVID-19、白血病和肺部病变），来验证了Sarm Learning方法使用分布式数据来诊断疾病的可行性。

具体如何实现？

群体学习方法采用去中心化的架构，用私人许可的区块链技术实现。

整个Sarm网络由多个Sarm边缘节点组成，节点之间通过该网络来共享参数，每个节点使用私有数据和网络提供的模型来训练自己的模型。

该方法提供安全措施，以支持通过私有许可区块链技术保证数据的所有权、安全性和机密性。

其中，只有预先授权的参与者才能加入，且新节点的加入是动态的，通过适当的授权措施来识别参与者，并通过区块链智能合约注册，让参与者获得模型，执行本地模型训练。

直到本地模型训练到满足定义的同步条件后，才可以通过Sarm的API交换模型参数，并在新一轮训练开始之前，合并新的参数配置来更新模型。

△ 群体学习与其他机器学习方法的架构对比

该群体学习方法具有以下特点

可以将数据所有者的医疗数据保存在本地； 不需要交换原始数据，可减少数据流量（data traffic）； 可以提供高水平地数据安全保护； 无需中央管理员就可保证分散成员安全、透明和公平地加入； 允许所有成员同等权利地合并参数； 保护机器学习模型免受攻击。

为了验证该方法基于分布式数据开发诊断疾病功能的可行性，研究人员用它来诊断四种疾病。

区分轻度和重度 COVID-19 ，表现优于单个节点

是白血病。

研究人员将超过12000多个的样本数据“孤立”到各个节点，以模拟中现实世界中分布在世界各地的医疗中心。

再用群体学习训练这些数据再去诊断未知病人，他们发现，无论如何改变各个节点的样本分布情况，群体学习方法的诊断准确率均优于单个节点。

接着使用群体学习识别结核病或肺部病变患者，结果也是如此，且减少训练样本的数量以后，群体学习的预测效果虽然下降，但仍优于任何一个单独的节点。

紧跟疫情，研究人员也检测了群体学习对于诊断新冠病毒的效果。

结果显示，在区分轻度和重度 COVID-19 时，群体学习的表现优于单个节点。

，研究人员表示，群体学习作为一个去中心化的学习方法，有望取代目前跨机构医学研究中的数据共享模式，在保证数据隐私等方面的情况下，帮助AI获得更丰富全面的数据，为AI诊断疾病提供更高的准确率。

论文地址
https://.nature./articles/s41586-021-03583-3

GitHub代码

https://github./schultzelab/sarm_learning