用“AI”保卫生命，HPE Swarm Learning提升医疗模型确切性

在此前的【消息速递】HPE Swarm Learning退场：为边界与散布式站点而生的AI处理计划中，咱们为您简介了HPE最新颁布的HPE Swarm Learning处理计划。成为冲破性的AI处理计划，其可以在不侵害信息隐私的状况下同享和统一AI模型的学习成果，加快组织在边界发掘洞见。今日，让咱们更进一步了解HPE Swarm Learning，开拓它的优势和有关用例。HPE Swarm Learning

HPE Swarm Learning由HPE的研究机构Hewlett Packard Labs开发，是业界第1个用来边界和散布式站点且拥有隐私爱护本领的散布式机械学习框架。该处理计划为用户供应的容具应用HPE swarm API ，可以轻盈地与AI模型集成，让客户能够在组织内部或是外部的领域同行间同享AI模型的学习成果，进而在不同享实际信息的前提下提高AI训练水准。为组织带来了下列优势：提升经营效益进而更好地进领域务抉择无需移动或复制信息来提升效益供应可扩展性和弹性通过跨组织和跨地域的合作以追随新营业形式的开发

HPE Swarm Learning处理医疗保健领域痛点

现在，AI处理计划正辅助医疗保健领域提升诊疗和抉择的确切性。为了提高确切性，AI模型须要访问更大的信息集，并尽快减小信息误差。在这一流程中，假设信息过于分散，通常会造成结果不确切。而在实际状况中，汇总医疗信息通常由于下列原因特别拥有战斗性，进而由于信息分散减低结果的确切性：HIPAA和GDPR等信息隐私法规制止同享信息信息一切权制止了医院间或跨地域间的信息同享带宽本钱或必需借用存储资源复制信息造成的效益低落

而采取HPE Swarm Learning后，上述窘境迎刃而解。医疗保健组织能够在信息源处应用批量散布式信息施行AI模型训练，而无需移动信息。同时，每个信息的一切者全是平等的协作同伴，解除了对于信息一切权的争论，信息源之间的合作能够在不侵害隐私的状况下进行。

群体学习技术发掘顶尖医学洞见

毫简直问，群体学习技术将重塑医疗保健和生命科学领域。比如，在个性化患者护理、更确切的医疗诊疗、变短新药和疗法的上市时间，并且更快的重病研发等行业，群体学习技术都被证实有极大后劲，让咱们来看两则案例：

用例一：

德国神经退行性重病核心 (DZNE) 基于约30000名患者的健康信息开发重病治愈方式，此中含盖阿尔茨海默氏症和帕金森氏症等常见重病。DZNE的科学家们在采取群体学习技术后，可以治理巨大的研发信息池，并和其余机构同享有关研发看法，而这所有全是在遵照当地和有关专业行业的隐私标准下进行的。简言之，群体学习技术让DZNE在重病研发中更快、更理智地获得和同享要害洞见，并做出抉择。

用例二：

在某个胸部X光片的肺部重病探测用例中，患者信息散布在3个地方。不同地方的医院在探测时存在局部误差，群体学习模型可以在医院信息有限的状况下探测到这类重病，并解除该类型的局部信息误差。结果显现，群体学习提升了医疗模型的确切性和诊疗品质，到达了约70%的确切性。

不单是医疗保健领域和生命科学行业， HPE Swarm Learning几乎能够为一切领域带来踊跃牵连，特别在金融、生产、石油和天然气等领域具有广大的运用远景。