MedPerf는 의료 AI를 빠르게 운용하면서 데이터를 개인정보로 유지하는 것을 목표로 합니다.
MedPerf aims to rapidly operate medical AI while maintaining data as personal information.
의학에 머신 러닝 기반의 인공지능을 적용하는 것은 모델을 훈련시킬 데이터의 민감성 때문에 어렵습니다.
새로운 노력인 “연합” 인공지능 훈련은 데이터를 비공개로 유지하면서도 알고리즘 개발자와 의료진이 실제 데이터 세트와 새로운 머신 러닝 모델의 상호작용을 통해 혜택을 받을 수 있도록 하는 것을 목표로 합니다.
또한: Google의 MedPaLM은 의료 인공지능에서 인간 의료진을 강조합니다
업계 연합인 비영리 MLCommons 협회에서 구성한 그룹인 MedPerf는 AI 작업의 성능을 벤치마크하는 컴퓨터 칩을 목표로 하며, 월요일에 권위있는 과학 저널인 Nature에 발표된 창립 포지션 논문에 설명된 대로 데이터 문제를 해결하고자 합니다.
MedPerf 벤치마크는 AI 모델을 가진 의료진에게 보내서 의료진이 데이터에 대한 모델의 성능을 보고합니다. 이를 통해 AI 프로그램 개발자는 그룹에 따르면 보통 접근할 수 없는 개인 데이터 세트에 접근할 수 있고, 의료진은 데이터에 대한 예측을 통해 환자의 건강에 대한 AI의 답을 얻을 수 있습니다. 이 교환으로 인해 데이터는 의료진의 안전한 시설을 벗어나지 않습니다.
- Snapchat은 청소년들이 낯선 사람들과 연결되는 것을 어렵게 만들려고 ...
- 유튜브에서의 NFL Sunday Ticket 첫 시즌에 대해 알아야 할 사항
- VSync는 무엇이며 왜 필요한가요? | ENBLE
“이 접근 방식은 의료 AI의 보다 넓은 채택을 촉진하여 더 효과적이고 재현 가능하며 경제적인 임상 실천을 이끌며, 궁극적으로는 개선된 환자 결과를 제공하기 위해 목표로 합니다,”라고 그룹은 Nature의 Nature Machine Intelligence 출판사에서 발표된 논문 “MedPerf와의 의료 인공지능 연합 벤치마킹”에서 언급했습니다.
이 논문은 프랑스 스트라스부르 대학의 주 저자인 Alexandros Karargyris와 20개 이상의 회사(네이비디아와 마이크로소프트 포함)와 20개의 학술 기관 및 9개 병원의 76명의 기고자로 구성된 13개 국가와 5개 대륙에서 발표되었습니다.
MedPerf의 초기 사용은 영상의학과 수술에서 이루어졌으며, Karargyris와 팀은 “컴퓨터 병리학, 유전체학, 자연어 처리(NLP) 또는 환자 의료 기록의 구조화된 데이터 사용 등 다른 생체 의학 작업에서도 쉽게 사용할 수 있습니다”라고 씁니다.
이 접근 방식의 주요 아이디어는 MLCommons 웹 사이트와 동반 블로그 게시물에 요약 도식으로 제시되었습니다.
또한: AI가 의사 진료실에 들어와야 할까요? OpenAI의 공동창업자는 그렇게 생각합니다
MLCommons의 사무국장인 David Kanter는 이메일로 “의료 AI는 지구상의 모든 사람들에게 영향을 미칠 잠재력 때문에 필수적입니다. 그리고 MedPerf와의 다양한 커뮤니티 참여에 특히 자랑스럽습니다 – 연구원, 병원, 기술자 등”이라고 말했습니다.
“MedPerf는 커뮤니티의 큰 노력이며, 앞으로 더욱 성장하고 번영할 것으로 기대되며, 결국 모든 사람들을 위한 의료를 개선할 것입니다,” Kanter는 말했습니다.
MedPerf 플랫폼은 Docker와 유사한 안전한 응용 프로그램 컨테이너를 만드는 MLCubs라는 방법으로 구성됩니다. 플랫폼에는 데이터를 준비하는 MLCube, 모델을 호스팅하는 MLCube 및 벤치마크 테스트에서 모델의 성능을 평가하기 위해 결과를 평가하는 MLCube의 세 가지 다른 MLCube가 있습니다.
또한: 직장에서 사용하기 좋은 내 5가지 인공지능 도구
글에서 Karargyris와 팀은 “MLCube 모델은 벤치마크의 일부로 평가될 사전 훈련된 AI 모델을 포함합니다. 이는 데이터 준비 MLCube에 의해 출력된 준비된 데이터에 대한 예측을 계산하는 infer라는 단일 기능을 제공합니다. API 전용 모델의 경우, 개인 모델에 도달하기 위한 API 래퍼를 호스팅하는 컨테이너가 될 것입니다”라고 설명합니다.
MedPerf는 인공지능 모델의 인기 있는 저장소인 Hugging Face와도 협력했습니다. 그들은 “Hugging Face Hub는 모델의 자동 평가를 용이하게 하고 벤치마크 사양에 기반한 최고의 모델 랭킹표를 제공할 수도 있습니다”라고 씁니다.
다른 파트너로는 Sage Bionetworks도 있으며, 이는 데이터 공유를 위한 Synapse 플랫폼을 개발하여 크라우드 소싱 데이터 도전에 사용되었습니다. “MedPerf-FeTS 통합에 필요한 몇 가지 임시 구성 요소는 Synapse 플랫폼 위에서 구축되었습니다,”라고 저자들은 언급합니다. “Synapse는 연구 데이터 공유를 지원하며, 커뮤니티 도전의 실행을 지원하는 데 사용할 수 있습니다.”
또한: AI 봇들이 의대 시험에서 뛰어나게 성적을 올리고 있지만, 의사가 되어야 할까요?
MedPerf 접근 방식은 이미 Federated Tumor Segmentation Challenge라고 하는 다수의 학술 기관이 주관하는 도전에서 시험되었습니다. 이 도전에서 뉴럴 네트워크는 MRI 이미지에서 뇌 종양인 횡단면 절편을 식별하는 데 도전을 받습니다. MedPerf가 참여한 FeTS 2022 도전은 6개 대륙의 32개 참가 사이트에서 진행되었습니다.
“뿐만 아니라, MedPerf는 의료 AI 모델의 연구 및 개발을 위해 다기관 협력에 참여한 학술 그룹들과의 시리즈의 시범 연구를 통해 검증되었습니다,”라고 저자들은 말했습니다.
MedPerf는 플랫폼을 더 많은 참가자에게 확장할 것으로 예상하며, “현재 우리는 대규모 협업을 통한 헬스케어 AI의 일반적인 평가에 대해 작업 중입니다.”
해당 논문은 MedPerf를 초기 “개념 증명” 단계를 이미 지나고 알파 단계에서 베타 단계로의 변화 중이라고 설명하며, 다음 단계는 외부 참가자에게 벤치마킹 작업을 일반적으로 공개하는 것입니다.
또한: 생성 모델 기반 AI가 약 가격을 낮출 수 있습니다. 방법은 다음과 같습니다
해당 논문의 일부는 의학 관련 당사자들이 참여하고 기여하도록 요구하고 있으며, 이에는 “명세를 정의하고 분석을 감독하는 벤치마킹 위원회를 형성하는 의료 이해 관계자들”과 “데이터 소유자(예: 의료 기관, 임상의사)가 플랫폼에 자신의 데이터를 등록하는 것(데이터 공유 필요 없음)”이 포함됩니다.
MedPerf의 코드는 GitHub에 게시되어 있습니다.
