Что такое federated learning в медицине и зачем?

Federated learning (федеративное обучение) в медицине — это метод машинного обучения, при котором модель обучается на данных, распределённых по разным медицинским учреждениям (например, больницам), без необходимости централизованного сбора этих данных. Каждое учреждение обучает локальную модель на своих данных, а затем обновления моделей агрегируются централизованно, чтобы получить общую улучшенную модель.

Зачем это нужно:

• Конфиденциальность и безопасность: Медицинские данные очень чувствительны и защищены законами (например, HIPAA, GDPR). Федеративное обучение позволяет использовать данные без их передачи и хранения в одном месте.
• Большие и разнообразные данные: Объединение знаний с разных источников улучшает качество модели, учитывая разнообразие пациентов и условий.
• Снижение рисков утечки данных: Поскольку данные не покидают локальные серверы, риск утечки минимален.

Пример: несколько больниц обучают модель для диагностики заболеваний по медицинским изображениям, не передавая сами изображения, а только обновления модели.