聯(lián)邦學(xué)習(xí)（federated learning）使人工智能能夠在不損害患者隱私的情況下，通過在醫(yī)院數(shù)據(jù)上訓(xùn)練模型來幫助預(yù)測疾病爆發(fā)。這項(xiàng)技術(shù)在構(gòu)建強(qiáng)大的疾病監(jiān)測系統(tǒng)以更好地應(yīng)對公共衛(wèi)生事件的同時，確保了敏感健康信息的安全。

在巴西，雨季帶來的不僅是洪水和潮濕，往往還伴隨著登革熱的流行。登革熱是一種由蚊子傳播的疾病，會導(dǎo)致患者發(fā)高燒、出皮疹，嚴(yán)重時甚至?xí)＜吧?/p>

過去25年間，巴西已有超過1800萬人感染登革熱，而到2024年6月，該病的病例數(shù)激增，已達(dá)600萬例，死亡4000人。受登革熱影響的不止巴西，世界衛(wèi)生組織的數(shù)據(jù)顯示，全球約有一半人口面臨登革熱風(fēng)險(xiǎn)，每年估計(jì)有1億至4億人感染。

自COVID-19以來，全球研究人員紛紛借助人工智能監(jiān)測潛在的疾病暴發(fā)情況。但這些努力面臨一個主要障礙：獲取敏感的健康數(shù)據(jù)。聯(lián)邦學(xué)習(xí)技術(shù)使醫(yī)院和相關(guān)機(jī)構(gòu)能夠在不共享患者數(shù)據(jù)的情況下構(gòu)建預(yù)測模型。

IEEE會員Márcio Teixeira參與了 “登革熱預(yù)警” 項(xiàng)目，該項(xiàng)目旨在訓(xùn)練機(jī)器學(xué)習(xí)模型，以預(yù)測登革熱的嚴(yán)重程度、識別疫情暴發(fā)模式并優(yōu)化資源分配。

下文將介紹Teixeira對聯(lián)邦學(xué)習(xí)及其在登革熱防控中的應(yīng)用所做的相關(guān)闡述。

什么是聯(lián)邦學(xué)習(xí)？它與其他人工智能技術(shù)有何不同？

聯(lián)邦學(xué)習(xí)是一種能讓研究人員在不將訓(xùn)練數(shù)據(jù)從其原始位置移走的情況下訓(xùn)練人工智能模型的技術(shù)。例如，假設(shè)有多家醫(yī)院或衛(wèi)生中心，每家都存有登革熱患者的數(shù)據(jù)。一個共享的人工智能模型會被發(fā)送到每家醫(yī)院，然后僅利用該醫(yī)院現(xiàn)有的數(shù)據(jù)在本地對模型進(jìn)行訓(xùn)練。之后，模型只將學(xué)到的內(nèi)容（即模型的更新部分）發(fā)送回中央服務(wù)器，這些更新會被匯總起來以改進(jìn)全局模型。這一過程會重復(fù)多次，直到全局模型完全訓(xùn)練完成 —— 而在此過程中，始終不會接觸到實(shí)際的患者數(shù)據(jù)。

傳統(tǒng)的人工智能技術(shù)會將所有數(shù)據(jù)集中到一個地方來訓(xùn)練模型，這可能會帶來隱私風(fēng)險(xiǎn)。而聯(lián)邦學(xué)習(xí)讓數(shù)據(jù)留在原地（在這個例子中就是留在醫(yī)院），并在本地訓(xùn)練模型。這使得聯(lián)邦學(xué)習(xí)更適合處理敏感數(shù)據(jù)。

是什么促使您在這一領(lǐng)域開展研究？

我們的研究動機(jī)源于對利用創(chuàng)新且保護(hù)隱私的技術(shù)改善登革熱監(jiān)測與治療的迫切需求。登革熱仍是一個重大的公共衛(wèi)生問題，尤其在巴西等地區(qū)，疫情暴發(fā)給醫(yī)療系統(tǒng)帶來了巨大壓力。

構(gòu)建準(zhǔn)確的預(yù)測模型需要獲取敏感的醫(yī)療數(shù)據(jù)，而這會引發(fā)倫理和法律方面的挑戰(zhàn)。巴西及許多其他國家都有嚴(yán)格的法律，對健康數(shù)據(jù)的使用、存儲和共享進(jìn)行規(guī)范。

健康數(shù)據(jù)極具價(jià)值，因?yàn)樗瑐€人信息，如全名、出生日期、地址、病史等。一旦犯罪分子獲取這些數(shù)據(jù)，他們可能會竊取患者身份，用于賬單詐騙、虛假治療、偽造保險(xiǎn)索賠或發(fā)起針對性的釣魚攻擊。

人工智能如何幫助預(yù)測和預(yù)防登革熱疫情？為什么這種疾病是該技術(shù)的良好測試案例？

人工智能能夠分析大量的健康、環(huán)境和行為數(shù)據(jù)，從中識別出人類可能忽略的模式。就登革熱而言，機(jī)器學(xué)習(xí)可用于及早識別高風(fēng)險(xiǎn)患者，并根據(jù)天氣狀況預(yù)測疫情 —— 因?yàn)槲米訒梅e水進(jìn)行繁殖。

聯(lián)邦學(xué)習(xí)還能通過哪些方式在保障我們隱私的同時，為我們提供更優(yōu)質(zhì)的技術(shù)？

聯(lián)邦學(xué)習(xí)為智能技術(shù)的開發(fā)提供了一種新途徑，既能推動技術(shù)發(fā)展，又不會損害用戶隱私。除醫(yī)療領(lǐng)域外，它還應(yīng)用于多個行業(yè)。例如，銀行可以通過協(xié)作識別欺詐模式，同時不會泄露客戶記錄；它也被應(yīng)用在智能手機(jī)中，你的手機(jī)會在本地進(jìn)行學(xué)習(xí)，但會為全局模型的優(yōu)化貢獻(xiàn)力量，而信息始終不會離開你的設(shè)備。

了解更多：數(shù)字化醫(yī)療設(shè)備能夠?qū)崿F(xiàn)更個性化的診療方案，并為提升健康預(yù)后效果帶來新希望。但它們可能成為網(wǎng)絡(luò)犯罪分子的目標(biāo)，尤其是當(dāng)這些設(shè)備通過無線方式連接到互聯(lián)網(wǎng)時。