Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 LEARNER ؛ پلتفرم هوش مصنوعی حوزه مراقبت‌های بهداشتی با حفظ حریم خصوصی داده‌ها

LEARNER ؛ پلتفرم هوش مصنوعی حوزه مراقبت‌های بهداشتی با حفظ حریم خصوصی داده‌ها

زمان مطالعه: 2 دقیقه

پژوهشگرانی از دانشگاه دوک و دانشگاه پیتزبورگ پلتفرمی به نام LEARNER توسعه داده‌اند که امکان به ‌اشتراک گذاشتن امن داده‌های خصوصی بیماران را برای چند بیمارستان و پژوهشکده فراهم می‌‌کند. بیمارستان‌ها و مراکز پژوهشی با استفاده از  این داده‌ها بهتر می‌توانند مدل‌های یادگیری ماشین خود را آموزش دهند. این فناوری به هر مؤسسه کمک می‌کند به ابزارهای پیش‌بینی‌کننده‌ پیشرفته‌ای دسترسی پیدا کنند که به‌تنهایی نمی‌توانستند. این فناوری علاوه بر پیشبرد تحقیقات به بهبود علائم بیماران نیز کمک می‌کند.

LEARNER

این پژوهشگران در خلال نمایشگاهConvergence Accelerator ، در سال 2021، که به میزبانی بنیاد ملی علوم برگزار می‌شود، توضیح مختصری در خصوص فرایند توسعه این پلتفرم ارائه دادند. نمایشگاه Convergence Accelerator رویدادی است که در جریان آن نمونه کار طرح‌های پژوهشی در قالب نمایشگاه ارائه می‌شود.

به گفته هلن لی، استاد مهندسی کامپیوتر و الکترونیک در دانشگاه دوک، «هوش مصنوعی ظرفیت فوق‌العاده‌ای برای بهبود فرایند تحلیل داده‌های سلامت و تشخیص‌ پزشکی دارد، اما برای رسیدن به استانداردی که برای استفاده در زندگی واقعی قابل قبول باشد به داده‌های زیادی نیاز دارد. زمانی که صحبت از داده‌های حوزه مراقبت‌های بهداشتی به میان می‌آید، نگرانی در مورد حریم خصوصی بیماران نیز نمود پیدا می‌کند. LEARNER بستری فراهم می‌کند که پژوهشگران بتوانند با استفاده از داده‌های سلامت که از منابع گوناگون جمع‌آوری شده‌اند، البته بدون به‌اشتراک‌گذاری داده‌های حساس، مدل‌های خود را آموزش دهند. »

پس از اتمام فرایند آموزش الگوریتم یادگیری ماشین، الگوریتم تصمیماتی را که اخذ کرده با پاسخ‌های صحیح مقایسه می‌کند و تلاش می‌کند با تغییر عملکرد داخلی خود، خطاها را رفع کند. الگوریتم این فرایند را تا زمانی که عملکرد آن دیگر نیازی به بهبود نداشته باشد، ادامه می‌دهد. منظور از این تغییر عمکرد داخلی پارامترهای وزنی است.

یادگیری همیارانه در LEARNER

LEARNER بر پایه مفهومی موسوم به «یادگیری همیارانه Federated learning» استوار است. در این روش یادگیری، یک مدل AI‌ منفرد در فضای ابری مرکزی قرار می‌گیرد که برای کاربران در مکان‌های مختلف در دسترس است. هر محل مدل AI را با داده‌های خود اجرا می‌کند و مجموعه جدیدی از پارامترهای وزنی ایجاد می‌کند که این پارامترها به‌نوبه خود مجدداً به فضای ابری بازگردانده می‌شود. سپس مدل مرکزی AI با استفاده از پارامترهای وزنی جدید، یک الگوریتم به‌روزرسانی‌شده یکتا ایجاد می‌کند. این فرایند تا زمانی که عملکرد مدل هوش مصنوعی به بالاترین حد خود برسد، ادامه پیدا می‌کند.

با توجه به اینکه فقط پارامترهای وزنی (نه داده‌های اصلی) در فضای ابری به اشتراک گذاشته می‌شوند، هیچ‌گونه خطری متوجه حریم خصوصی بیماران نیست، اما، مدل آموزش‌دیده نهایی کماکان نمایانگر داده‌هایی است که از موجودیت‌های مختلف جمع‌آوری شده‌اند و مدل بر مبنای آنها ساخته شده است.

طبق توضیحات لی، «اطلاعات اصلی در کامپیوترهای محلی محفوظ می‌مانند. برای یک مدل بزرگ، به طور معمول به 50 تا 100 دور آموزش بین کامپیوتر محلی و فضای ابری نیاز است. در نگاه اول ممکن است این فرایند زمان‌بر به نظر برسد، اما، در حقیقت، فقط چند ساعت طول می‌کشد.»

نمونه اولیه

نمونه اولیه LEARNER که با همکاری هِنگ هوآهنگ و استادِ برجسته، جان. ای جورنکو در دانشگاه پیتزبورگ، ساخته شده است، کارایی  خود را در داده‌های تک‌سلولی چند اومیکس و پرونده‌های الکترونیکی سلامت ثابت کرد. در مورد اول، پژوهشگران نشان دادند LEARNER می‌تواند با استفاده از توالی داده‌ scRNA نشانگرهای پروتئینی مربوط به توالی mRNA را برای ارتباط توالی mRNA با تولید پروتئین، پیش‌بینی کند. در مورد دوم، پژوهشگران توانستند با استفاده از داده‌های به دست آمده از پرونده‌های پزشکی، احتمال بروز مجدد علائم بیماری را در افراد مبتلا به نارسایی قلبی ( سی روز پس از ترخیص از بیمارستان) پیش‌بینی کنند.

حتی اگر همه‌چیز طبق برنامه پیش رود، این تازه اول راه است. پژوهشگران در حال توسعه یک رابط با کاربری آسان هستند تا سایر پژوهشگران و پزشکان را به استفاده از این پلتفرم تشویق کنند. این کار علاوه بر اینکه به LEARNER کمک می‌کند مدل‌های هوش مصنوعی بهتر و جدیدتری توسعه دهد، موجب می‌شود این پلتفرم، اگر نگوییم هزاران، صدها مدل از پیش آموزش دیده هوش مصنوعی را در اختیار کاربران قرار ‌دهد که می‌توانند از آنها در آزمایشگاه‌ها و بیمارستان‌های خود استفاده کنند.

لی می‌گوید: «امیدواریم LEARNER به یاری پزشکانی بیاید که تمایل دارند در حرفه خود از مزایای هوش مصنوعی بهره‌مند شوند اما دانش کافی راجع به این فناوری ندارند. امیداوریم این پلتفرم به پژوهشگران هوش مصنوعی که قصد دارند به حوزه بهداشت و درمان و زیست‌ پزشکی راه پیدا کنند کمک کند با یکدیگر در پروژه‌های بزرگ‌ همکاری کنند.»

لی و همکارانش در حال مذاکره با یکی از شرکت‌های هوش مصنوعی واقع در کارولینای شمالی هستند تا توسعه پلتفرم LEARNER را ادامه دهند و آن‌ را تجاری‌سازی کنند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]