Egyesített tanulási modell az egészségügyben

Nem lehet alábecsülni a mesterséges intelligenciában (AI) és a gépi tanulásban (ML) rejlő lehetőségeket az emberi egészség javítására, de ez olyan kihívásokkal néz szembe, mint a elszigetelt adatforrások kezelése. Az egyesített tanulás egy olyan megközelítés, amely potenciálisan megoldhatja ezt a problémát, mivel lehetővé teszi a kutatók számára, hogy könnyen elemezzék a több helyről és kezdeményezésből származó adatokat, miközben megőrzik a magánéletet.

Az Owkin felfedte az egyesített modell erejét az egészségügyben. Négy franciaországi kórház kutatóival együttműködve nyílt forráskódú technológiájával olyan modellt tudott létrehozni, amely állítása szerint jelentős hatással lesz a mellrák hatékony kezelésének elősegítésére. Az Owkin mesterséges intelligencia modelljei képesek voltak pontosan azonosítani olyan újszerű biomarkereket, amelyek jobb személyre szabott orvosi ellátáshoz vezethetnek.

Az egészségügyi és klinikai vizsgálatokban gyakran jelentős mennyiségű személyazonosításra alkalmas információ áll rendelkezésre, amelyeket védeni és titokban kell tartani. A egyesített tanulás olyan megközelítést kínál, amellyel az ML-képzés a kórházakban és kutatóközpontokban található betegadatok különböző információs tárolókon keresztül történhet. Az Owkin által kifejlesztett megközelítés nem követeli meg, hogy az adatok valaha is elhagyják a forrásintézményt, így a betegek adatai és magánéletének védelme biztosított.