「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
-
技術文書・技術解説
[Jamf Japan 合同会社] MDMだけでモバイルセキュリティは十分？ 不足する対策を16項目でチェック -
事例
[Wrike Japan 株式会社] 世界的な家電メーカーが実践する「クリエイティブプロセス効率化」の方法とは？ -
事例
[Wrike Japan 株式会社] 世界的テクノロジー企業に学ぶ、プロセス標準化とプロジェクト納品自動化の秘訣 -
事例
[Wrike Japan 株式会社] ソニー・ピクチャーズ テレビジョンに学ぶ、次世代サービスデリバリーのヒント -
事例
[Wrike Japan 株式会社] ソミック石川に学ぶ、ICT浸透後に直面した「工数管理」の課題と解決策
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
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
2
AI全部入り「Microsoft 365 E7」に企業が二の足を踏む訳 移行意向はわずか4％
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
5
「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
-
6
「Microsoft一択」で本当にいいのか 知らぬ間にライセンス費用が膨らむ真相
-
7
なぜOpenAIやAnthropicのAIは「脱走」したのか 情シスが迫られるエージェント統制
-
8
「データストレージの活用方法」に関するアンケート
-
9
Anthropicが明かす AIは入力データを「どこまで覚えているのか」
-
10
HDDではもう限界？ AIのGPU待機時間を解消する「大容量SSD」の条件
ホワイトペーパーランキング PR
-
1
生成AIのハルシネーションを防止 回答精度を高めるセマンティックレイヤーとは
-
2
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
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
-
4
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
5
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
6
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
情報セキュリティ対策早分かりガイド：25の自社診断で弱点と解決策を理解
-
9
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは？
-
10
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
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