台灣人工智慧實驗室創辦人杜奕瑾博士，也曾是微軟人工智慧部門亞太研發總監及美國國家衛生研究院人類基因研究組組長。杜博士此次演講，介紹了聯邦式學習在人工智慧醫療中的應用。
台灣的競爭力不僅在於亞洲的科技中心，更重要的是在人工智慧研發，尤其是智慧醫療應用上，贏得了全世界的信任。
杜博士成立亞洲首個非營利人工智慧實驗室，採用開源分享方式進行研究，目的是透過科技的透明方式，讓全世界都能參與並發展台灣創造的科技。AILab 在台灣主要聚焦於人機介面、智慧醫療及智慧城市三個方向，其中聯邦式學習是 AILab 在智慧醫療中最重要的研究架構。
聯邦式學習最初在 2017 年提出，目的是進行輸入法的人工智慧演算法研發，同時保護個人隱私。受此啟發，AILab 在台灣進行了一系列分散式人工智慧學習的研究，旨在不同地區、不同背景的醫師之間共享資料，同時保障個人隱私。
聯邦式學習的重要性在於，未來的醫療將不僅僅是治療，而是通過大數據和人工智慧進行精準健康管理。這需要我們在收集大數據的同時，確保數據的公平性、安全性以及隱私保護。
在歐盟，GDPR 法規已經強調了數據保護的重要性，這對精準健康和數據分析尤為重要。AILab 在 2020 年進行了一個獨特的測試，利用藍牙技術進行病毒追蹤，這項技術已經在全球範圍內得到了應用和認可。AILab 還討論了如何通過聯邦式學習，進行更有效的新藥開發和疾病預測。例如，MELLODDY 聯盟就是通過聯邦式學習共同開發新藥，以減少臨床測試和審查時間。
特別是自從 COVID-19 於 2020 年爆發以來，這種學習模式不僅在台灣而且在全球範圍內受到重視。全世界有一個 COVID-19 AI Service Alliance 正在進行聯邦式學習研究，目的是在確保數據貢獻者隱私的同時，共同定義演算法和特徵，以實現對 COVID-19 的快速響應。AILab 在台灣成立了聯邦學習醫療聯盟，旨在推動聯邦式學習在醫療領域的應用，確保數據分析的品質和隱私保護，並期待與全球各地的研究機構合作，共同開發更有效、更安全的人工智慧醫療應用，提升聯邦式學習技術和質量，同時確保生成的模型不會洩露個人隱私資料。
此外，隨著基因研究和癌症精準用藥需求的增加，結合基因數據的大數據分析應用變得尤為重要。國際上有組織正在進行聯邦式學習架構的研究，以促進醫院和研究人員之間的協作。從 2018 年開始，越來越多的國際醫療機構和研究組織開始採用聯邦式學習進行一系列計畫，因為這種學習方式在保障個人隱私的同時，能夠進行大規模的數據分析。
台灣的聯邦式學習平台與國際上的其他聯盟相比，更加注重技術和數據的共享，同時也在 AI 信任架構和差分隱私方面進行了著墨，這在全球範圍內仍屬於初步階段。在台灣，AILab 已經開始取得初步成果，並致力於進一步加強模型的信任度和保護個人隱私的能力。
聯邦式學習的實施範圍已從醫學中心擴展到地區醫院，提供了多樣化的應用方式。醫學中心可以參與驗證模型或提供專業資料來加入學習過程，也可以有專業人員參與資料核對或對模型未來開發提供意見。AILab 為不同等級的參與者提供了配置，歡迎各醫學中心加入。這一過程的周期相當明確：從擁有模型的醫學中心開始，到模型成立後在加盟的盟主中分享，每個加盟醫院都會有自己的 PI（主要研究員），通過這個模型來確保資料品質，並輔助醫師的標準化工作。接著，大家共同定義分潤模式並啟動聯邦式學習。
在聯邦式學習中，每個醫學中心準備好自己的私有數據，這些數據不會與其他中心共享。共享的是 AI 模型，意味著聯邦式學習通過一個機制，讓智慧在各個醫院間流動，學習每個醫院的專家知識，最終共同提出一個 AI 模型。台北榮總在這方面通過聯邦式學習結合健保署的資料，進行了新階段的學習。
AILab 在肺炎胸部 X 光的分類上與台大醫院合作，經過初步訓練後，加入了健保和北醫的資料，訓練出一個模型，這是聯邦式學習的一個應用實例。這種學習方式不僅有效地結合了各方的智慧，還解決了資料不足的問題，使 AILab 能夠訓練出準確率達到 TFDA 標準的肺炎自動檢測機制。
聯邦式學習在 COVID-19 疫情中的應用更是顯著，從肺炎的治療到藥物的選擇，AILab 都在探索如何使用這種學習方式來發現有效的治療方法。AILab 還開放了平台，允許第三方參與藥物開發的驗證和分析，進一步推動了聯邦式學習在醫療領域的應用。
此外，AILab 也在嘗試將聯邦式學習應用到口述病例的分析中，考慮到每個科別的語音辨識和理解模型基本上會有所不同，這一需求促使 AILab 建立了口述病例學習的聯盟。這項工作不僅關注於數據的收集和模型的訓練，也在於如何透過 AI 模型來滿足未來對健保表格等具體需求的自動化處理。這顯示了聯邦式學習在醫療領域廣泛應用的潛力，不僅促進了資料的有效利用，也保障了個人隱私的安全。透過 AI，AILab 可以處理各種口述問診或電話客服等情境，如果每家醫院都能共同參與訓練 SR 和 ML 服務的模型，那將大大提高效率。
AILab 將聯邦式學習的議題細分，探索其在不同區塊的應用。首先是資料治理部分，探討如何在符合法規倫理的前提下，創造一個聯邦式學習的環境。這個環境基於三個核心承諾：一是確保生成的資料和演算法是可信的；二是確保成果能回饋給貢獻者，因此 AILab 也研究相關的商業模式；三是持續精進 AI 核心演算法，以適應不同領域和場景的需求。
聯邦式學習的應用領域廣泛，AILab 相信能夠進一步擴展這些應用領域，共同建設未來的台灣，利用大家的聯合努力，創造出台灣在智慧醫療、5G、AIoT 產業的創新。
台灣在聯邦式學習方面已經取得了國際認可，AILab 的成果在 GPI 會議上進行了分享。2021 年，AILab 成立了台灣聯合學習產業大聯盟，目的是從醫療創新的角度出發，為各產業提供一個聯邦式學習的平台，共同制定標準。AILab 希望集結更多的智慧，為台灣的智慧醫療貢獻更多更好的想法。
Image Source: 台灣人工智慧實驗室創辦人杜奕瑾博士投影片
— -
📒 Compiled by — Sigrid Chen, Rehabilitation Medicine Resident Physician at Taichung Tzu Chi Hospital, Occupational Therapist, Personal Trainer of the American College of Sports Medicine.