NVIDIA Clara 联邦学习可在不共享数据的情况下预测需求，并构建一个更具普适性的AI模型，无所谓地理位置、患者人数及数据量。

来自NVIDIA和麻省总医院和布莱根妇女医院（Mass General Brigham）的研究人员开发了一个AI模型，该模型可以通过胸部X光片、患者生命体征和化验结果，来预测急诊室内的COVID-19患者是否需要在初步检查后的几小时或几天中补充氧气。

该模型是由Mass General Brigham的科学家Quanzheng Li博士开发的，原始模型被命名为CORISK。在许多国家可能开始出现第二波COVID-19疫情之际，该方案将医学成像结果和患者的健康档案结合在一起，以帮助临床医生更有效地管理住院诊疗。

用于预测需氧量的AI工作流

为了开发一种可靠的AI模型，并将其推广到尽可能多的医院，NVIDIA和Mass General Brigham启动了一项名为EXAM （EMR CXR AI Model）的计划。这项计划与来自世界各地的20家医院合作，是规模最大、最多样化的联邦学习计划。

得益于全球合作，开发一个AUC值为0.94 （目标为1.0）的模型仅仅耗时两周，其预测住院病人所需氧气量的能力非常出色。联邦学习模型将在未来几周作为NVIDIA Clara on NGC的一部分发布。

了解EXAM的初心

通过使用NVIDIA Clara联邦学习框架，各个医院的研究人员能够使用胸部X光片、病人病情的危重情况和实验室数据在本地训练一个模型，并通过一种称为联邦学习的隐私保护技术，将模型权重的子集与全局模型共享。

该模型的最终目标是预测急救室内患者对氧气需要，这可以确保患者得到适当的护理，包括判断患者是否需要转入ICU。

Ittai Dayan博士在Mass General Brigham领导AI的开发和部署，同时与NVIDIA共同领导EXAM计划，并促进CORISK成为联邦学习训练的起点。这些改进基于模型对各种分布式数据进行训练实现，数据则来自北美、南美、加拿大、欧洲和亚洲不同国家、不同患者的数据集。

除了Mass General Brigham及其附属医院，其他参与机构包括：位于华盛顿特区的美国剑桥大学国家儿童医院、剑桥生物医学研究中心、位于东京的自卫队中央医院、国立台湾大学医学部实验室和全幅健康照护中心(MAHC)以及台湾中央健康保险署、位于台湾的三军总医院、位于韩国的庆北国立大学医院、位于泰国的朱拉隆功大学医学院、位于巴西的医疗诊断公司Diagnosticos da America SA、加州大学旧金山分校、弗吉尼亚州圣地亚哥、多伦多大学、位于马里兰州贝塞斯达的国立卫生研究院、威斯康星大学麦迪逊分校医学与公共卫生学院、位于纽约市的纪念斯隆-凯特琳癌症中心、位于纽约州的西奈山医学中心。

每家医院都使用NVIDIA Clara来训练其本地模型并参与EXAM。各家机构无需将患者的胸部X光片和其他保密信息统一汇总，而是使用安全的内部服务器来存储其数据。全球深度神经网络位于一个托管在AWS上的独立服务器上，每家参与合作的医院都可获得一份副本用于在自有数据集上进行训练。

全球规模的协作

还有许多其他大型联邦学习项目也在进行中，这些项目的目标是改进药物研发并让护理机构也能获益于AI。

Owkin正在与NVIDIA、伦敦国王学院和其他十几家加入MELLODDY的机构合作。MELLODDY一家总部位于英国的药物研发联盟，其正在力求证明联邦学习技术能够帮助制药合作伙伴实现“两全其美”——确保制药合作伙伴运用全球最大的合作式药物化合物数据集进行AI训练，又能保证数据隐私。

伦敦国王学院希望通过伦敦医学成像与AI中心（London Medical Imaging and AI Centre）的“基于价值的医疗健康模式（Value-Based Healthcare）”项目中的联邦学习工作，在中风和神经损伤的分类、癌症根本原因确认以及患者最佳治疗方法建议方面取得突破。