将人工智能的机器学习形式应用于医学受到用于训练模型的数据的敏感性的阻碍。一项名为“联合”人工智能训练的新举措旨在保持数据私密性，同时让算法开发人员和临床医生从真实数据集和新机器学习模型的交互中受益。

MedPerf是由非营利性行业联盟MLCommonsAssociation组建的组织，负责对计算机芯片在人工智能任务中的性能进行基准测试，旨在解决数据僵局，正如著名科学杂志《自然》周一发表的首份立场文件中所述。。

MedPerf基准采用人工智能模型并将其发送给拥有数据的临床医生;然后临床医生报告模型对数据的反应情况。该组织表示，这意味着人工智能程序的开发人员可以访问他们永远无法访问的私人数据集，而临床医生可以通过对数据进行预测来了解人工智能是否可以提供有关患者健康状况的答案。由于交换，数据不会离开临床医生的安全设施。

该小组在论文《与MedPerf进行医疗人工智能联合基准测试》中指出：“这种方法旨在促进医疗人工智能的更广泛采用，从而实现更有效、可重复和更具成本效益的临床实践，并最终改善患者的治疗结果。”发表在NatureMachineIntelligence印记上。

该论文由法国斯特拉斯堡大学的主要作者AlexandrosKaragyris和其他76名贡献者撰写，他们代表了Nvidia和Microsoft等20多家公司，以及遍布13个国家和五大洲的20个学术机构和9家医院。

Karagyris和团队指出，MedPerf在样本基准测试中的最初使用是在放射学和外科手术中。但是，他们写道，该平台“可以轻松地用于其他生物医学任务，例如计算病理学、基因组学、自然语言处理(NLP)或使用患者病历中的结构化数据。”

该方法的核心思想在MLCommons网站上的概要示意图以及随附的博客文章中进行了介绍。

MLCommons执行董事DavidKanter在一份电子邮件声明中表示：“医疗人工智能对于对全球每个人产生潜在影响至关重要，我对MedPerf所看到的广泛社区参与感到特别自豪——研究人员、医院、技术人员等。

坎特说：“MedPerf是社区做出的巨大努力，我们很高兴看到它不断发展和蓬勃发展，最终改善每个人的医疗保健。”

MedPerf的平台由MLCubs组成，这是一种创建类似于Docker的安全应用程序容器的方法。该平台具有三种不同的MLCube，一种用于准备数据，一种用于托管模型，第三种用于评估输出，以评估模型在基准测试中的性能。

来源：飞机E族，原载地址：http://news.feijizu.com/news/20230811/9433.html欢迎分享本文！