人工智能技能正在变革传统医疗。
但当古人工智能模型普遍泛化性差：模型在演习过的数据集上表现精良，但是对付未曾见过的数据，表现差别大。
这个根本性的毛病导致AI技能在医学、医疗运用中表现出的局限性，乃至安全问题更加突出。

为办理这个根本性问题，华中科技大学人工智能学院夏天教授与白翔教授团队提出基于联邦学习（Federated learning）开源医学人工智能打算框架（UCADI）。
此架构在担保数据安全与隐私条件下，无需传输数据，能在不同物理地点共享演习医学数据，构建泛化性强的医学AI模型。
基于UCADI，夏天与白翔联合同济医学院附属同济医院、附属协和医院、武汉天佑医院、武汉中央医院、武汉儿童医院、国家药物筛选中央与英国剑桥大学医学中央（掩护全欧盟新冠影像数据，包括全英23家医院）发起国际大互助，实现真正环球分布式共享新冠影像数据AI模型演习与构建。

基于中英23家医院近万张的胸部CT扫描数据，研究团队验证了UCADI能够在担保用户数据隐私的情形下，多快好省地进行人工智能赞助诊断模型的演习和推理，实现跨国多中央的新冠病毒智能诊断。
基于UCADI演习的AI新冠诊断模型相对付单个医院数据演习出的模型，不仅性能远超，同时在多个不同医院的验证数据集上表现出良好的泛化性。

团队进一步剖析了模型的可阐明性和不愿定性，团队验证了演习的AI模型能够捕捉到类似磨玻璃样阴影、小叶间隔增厚等新冠病人独占的CT特色。
在此根本上，团队成员研究了数据异质性对模型性能的影响。
剑桥大学博士生，文章的共同一作王瀚宸创造“除了不同的年夜夫、医院在CT的采集步骤上有所不同，国家与国家之间的差异更大。
中英两国的CT数据有一个很大的差异是，中国的数据都是平扫，而英国的CT有很大一部分是注入造影剂后进行的增强扫描，此外两国病人在年事等属性上的分布也很不同，英国患者中的老年人比例非常高。
这种数据上的异质性，对模型的演习是个很大的寻衅。

为了应对这种数据异质性，团队首先进行了很多模型上的筛选和考试测验，在几种常见的3D卷积网络架构中，末了选择3DDenseNet。
不仅是由于其较好的泛化性能，同时模型尺寸偏小，非常方便联邦学习中进行传输。
但值得把稳的是，3DDenseNet也须要更多的打算资源。
在此根本上，团队还考试测验用CycleGAN在增强和平扫的CT间进行转换，取得了一些性能上的改进，但还是有相称的可提升空间。

此事情中，UCADI框架初步展示了对付环球新冠数据的整合能力，基于环球范围数据构建的新冠诊断预测模型完备向环球开放利用，各国医疗机构可以在此根本上，利用UCADI进一步共享、更新、演进、优化预测模型。
同时UCADI框架完备开源，可用于其他类型医疗数据，为未来的跨国智能诊断系统的研究与发展供应了根本举动步伐。
团队已与剑桥大学和天下卫生组织10月份在德国新设立的疫情智能防控中央(WHO Hub for Pandemic and Epidemic Intelligence)建立进一步互助，重点研究现有的AI诊疗模型对识别新变种Omicron的鲁棒性，以及探索用持续学习(Continual Learning)等方法来开拓一个可不断进化的联邦学习诊疗框架。

这次研究由华中科技大学人工智能与自动化学院发起。
人工智能与自动化学院科研实力雄厚，拥有国家一级重点学科——掌握科学与工程，是全校拥有国家一级重点学科的七个院系之一；2019年获批人工智能交叉学科博士学位授权点，华中大成为全国三所具备人工智能本硕博人才完全培养链条的高校之一。

面向国家重大计策需求和国际科技发展前沿，学院2020年新增人工智能本科专业，着力打造人工智能高端人才培养基地。
本科还设有人工智能创新实验班、自动化卓越工程师操持实验班、人工智能本硕博贯通班。

关注“华中科技大学本科招生”号，获取更多精彩资讯！

素材来源：华中科技大学***网、华中科技大学招生办公室官微