「フェデレーテッドラーニング」が医療にもたらす可能性【前編】
「フェデレーテッドラーニング」（連合学習）が医療AI開発の在り方を変える？
世界20施設の医療機関が共同で、新型コロナウイルス感染症患者の酸素投与の必要性を予測するAIモデルを開発した。研究の鍵となった技術が「フェデレーテッドラーニング」（連合学習）だ。その可能性とは。
世界の医療機関20施設が協力して、新型コロナウイルス感染症（COVID-19）の患者に酸素投与が必要になるかどうかを正確に予測するための人工知能（AI）モデルを開発した。このAIモデルはまだ臨床で使用されていないが、COVID-19の症状で救急救命室に運ばれてきた患者が、初診から数時間後あるいは数日後に酸素投与が必要になるかどうかを予測できるようにしたという。
このAIモデルは、もともとマサチューセッツ総合病院（Massachusetts General Hospital）の研究者が最初に開発したAIモデルがベースだ。ウィスコンシン大学マディソン校（University of Wisconsin-Madison）医学部および公衆衛生学部、NIHRケンブリッジバイオメディカルリサーチセンター（NIHR Cambridge Biomedical Research Centre）といった世界中の医療機関の研究者がAIモデルのトレーニングに取り組んでいる。
各医療機関は後にGPU（グラフィックス処理プロセッサ）ベンダー大手のNVIDIAと組んで、別の開発プロジェクトを立ち上げた。「フェデレーテッドラーニング」（連合学習）のアプローチでAIモデル「EXAM」（EMR Chest X-ray AI Model：「電子医療記録と胸部エックス線画像に基づくAIモデル」の意）を開発するプロジェクトだ。
「フェデレーテッドラーニング」による医療AIモデル開発の中身
併せて読みたいお薦め記事
臨床医学と機械学習
臨床医療の意思決定支援とAI技術
EXAM開発プロジェクトに参加した医療機関は、NVIDIAが開発したフェデレーテッドラーニングのフレームワーク（特定の設計思想に基づくソフトウェア部品やドキュメント群）を利用してAIモデルをトレーニングした。フェデレーテッドラーニングは、中央サーバにあるデータではなく複数のサーバに分散したデータを使用する機械学習技術だ。
医療機関はそれぞれ組織内のデータを使い、各組織内のAIモデル（以下、ローカルAIモデル）をトレーニングし、ローカルAIモデルのパラメータや予測方法を共有した。この情報はプロジェクト内で共有するAIモデル（以下、グローバルAIモデル）の微調整に使用され、微調整されたグローバルAIモデルが参加医療機関に配布され、さらにトレーニングが繰り返された。この反復を経てAIモデルのトレーニングを収束させていった。
フェデレーテッドラーニングは患者データのプライバシー保護に役立つ。医療機関はフェデレーテッドラーニングを使うことで、内部データをオンプレミスのインフラに置くことができるからだ。さらにフェデレーテッドラーニングは、大量の多様なデータセットでトレーニングされるようにAIモデルを広く配布するのにも役立つ。こうしたデータセットでトレーニングすれば、AIモデルの予測能力が拡張され、AIモデルが幅広い医療機関で利用できるようになる。
NVIDIAのフェデレーテッドラーニングフレームワークは「医療AIモデルの迅速な開発を可能にする」と、ケンブリッジ大学（University of Cambridge）の放射線学教授フィオーナ・ギルバート氏は語る。ギルバート氏によると、VIDIAのフェデレーテッドラーニングフレームワークは幅広い用途に適用でき、信頼性の高い医療AIモデルの開発を可能にする。
フェデレーテッドラーニングは「素晴らしい前進をもたらす」とギルバート氏は評価する。患者データを保護するとともに、さまざまな医療機関がAIモデルのトレーニングに同時に参加することを可能にするからだ。「AIモデルのトレーニングに参加することは、自組織内で独自チームを立てて何かを開発する場合と比べて、自分たちの考えていることを広い領域で役に立ててもらえる」（同氏）
後編はEXAM開発プロジェクトの具体的な取り組みを紹介する。
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
“攻撃者優位”なサイバーセキュリティ、全ての「穴」をふさぐ方法とは？ -
製品資料
実際に悪用される脆弱性は4％前後 優先的に対処すべき脆弱性を把握するには？ -
製品資料
HubSpotの機能を拡張する法人データ活用法 -
製品資料
面倒で非生産的な「名寄せ」作業 高精度＆高効率に実施するには？ -
製品資料
名刺管理には「その先」がある 成果のでない営業活動から脱却する秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ISMSの“コンサル丸投げ”が招く数千万円の無駄 NTTドコモビジネスの脱出劇
-
2
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
なぜ人はいるのにDXが進まない？ ライオンも直面した“老害”レガシーシステム
-
5
Netflixのバックエンドは「ほぼJava」 3000超のアプリを支える開発基盤の裏側
-
6
マンガで解説：KSK2稼働で何が変わる？ 税務調査の高度化に備えるデータ管理
-
7
「0.3秒のスピード顔認証」の入退室管理が社員に好評 事例に学ぶオフィス改革
-
8
脱VMwareに待った？ AI基盤を掲げるBroadcomの思惑と情シスが直面する新コスト
-
9
レガシーコードを捨てJavaで勘定系を再定義 ソニー銀行、フルクラウド化の全容
-
10
継続利用は4割どまり M365 Copilotが「効く業務」と期待外れの境界
ホワイトペーパーランキング PR
-
1
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
2
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
-
3
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
4
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
-
5
コスト分析で見る「デバイス復旧」の代償 損失額から導きだされた投資戦略とは
-
6
“あのファイル転送”で暗躍するノーウェアランサム
-
7
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
8
Macの安全神話は崩壊？ 最新の脅威動向から見えた攻撃のトレンドと有効な対策
-
9
3分で分かる経理DX 富士通が約20％の業務効率化を実現した方法とは
-
10
ランサムウェア攻撃を“二重の防御構造”で防ぐ、クラウド型基幹システムの実力
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー