NVIDIA

お使いのブラウザーは対応していません。

お使いのウェブブラウザーはこのウェブサイトでは対応していません。いくつかの機能が正常に動作しない可能性がございます。アップグレートいただくか下記のブラウザーのどれかをインストールください。よろしくおねがいします。

20 の病院が20 日間で、COVID-19 患者の酸素の需要を予測する AI モデルを構築

hdr-federated-learning-covid-oxygen-needs

NVIDIA Clara フェデレーテッド ラーニングにより、データを共有せずに要件を予測し、地理的な場所、患者の母集団、データサイズに関係なく、より汎用化可能な AI モデルを構築

NVIDIA と マサチューセッツ ジェネラル ブリガム (マサチューセッツ総合病院) の研究者は、COVID-19 の症状で救急室に現れた人が、初診から数時間後、あるいは数日後に酸素投与が必要になるかどうかを判断する AI モデルを開発しました。

このモデルの元となったのは CORISK といい、マサチューセッツ総合病院のリ チュアンジャン博士 (Dr. Quanzheng Li) が開発したモデルです。CORISK は医用画像と健康記録を組み合わせたモデルであり、多くの国で COVID-19 の第 2 波が起こった際、臨床医が患者の入院状況をより効果的に管理できるようになります。

酸素予測 AI ワークフロー

医師から信頼され、できるだけ多くの病院で適用可能な AI モデルを開発するため、NVIDIA とマサチューセッツ ジェネラル ブリガムでは、世界中の 20 の病院による最大かつ最も多様なフェデレーテッド ラーニング イニシアチブである、EXAM (EMR CXR AI Model) に着手しました。

このグローバルなコラボレーションは、わずか 2 週間で ROC 曲線下面積 0.94 となるモデル (AUC の目標値 1.0) を達成し、来院した患者が必要とする酸素レベルについて優れた予測を得られるようになりました。このフェデレーテッド ラーニング モデルは NGC 上の NVIDIA Clara の一部として、今後数週間以内にリリース予定です。

「EXAM」イニシアチブの詳細

NVIDIA Clara Federated Learning Frameworkにより、それぞれの病院に所属する研究者たちは、胸部 X 線、患者のバイタル サイン、検査値を使用してローカル モデルをトレーニングし、フェデレーテッド ラーニングと呼ばれるプライバシーを保護する手法で、モデルの重みのサブセットのみをグローバル モデルと共有することができました。

このモデルの最終目標は、救急救命室に運ばれてきた人が酸素投与を必要とするのか、その可能性を予測することです。この予測により医師は、ICU に入れる必要があるかなど、患者の適切な治療レベルを決定できます。

マサチューセッツ ジェネラル ブリガムで AI の開発、導入を率いるイッタイ ダヤン博士 (Dr. Ittai Dayan) は、NVIDIA と共に EXAM イニシアチブを共同で主導した人物ですが、彼はフェデレーテッド ラーニング トレーニングの出発点として CORISK の利用を促進しました。その後、アメリカ南部および北部、カナダ、ヨーロッパ、アジアからの多国籍、多様な患者のデータセットから得た分散データでモデルをトレーニングすることで、EXAM は改善されていきました。

マサチューセッツ ジェネラル ブリガムおよびその関連機関に加え、以下の機関が参加しています: Children’s National Hospital (ワシントン D.C.)、NIHR ケンブリッジ バイオメディカル リサーチ センター、自衛隊中央病院 (東京)、国立台湾大学 MeDA 研究室および MAHC、台湾国立健康保険局、キュンポック国立大学病院 (韓国)、チュラーロンコーン大学医学部 (タイ)、カリフォルニア大学サンフランシスコ校、VA サンディエゴ、トロント大学、米国国立衛生研究所 (メリーランド州ベセスダ市)、ウィスコンシン大学マディソン校医学部および公衆衛生学部、メモリアル スローン ケタリング癌センター (ニューヨーク)、マウント サイナイ ヘルス システム (ニューヨーク)

上記機関はそれぞれ、NVIDIA Clara を使用し、ローカル モデルをトレーニングして EXAM に参加しています。

各施設では、患者の胸部 X 線などの機密情報を単一の場所にプールする必要はなく、施設内のサーバーを使用してデータを安全に保管しています。AWS 上でホストされている別のサーバーが、グローバルなディープ ニューラルネットワークを保持しています。参加している各機関はモデルのコピーを取得し、独自のデータセットでトレーニングを行います。

世界規模のコラボレーション

また、大規模なフェデレーテッド ラーニング プロジェクトも進行中です。プロジェクトの目的は創薬を改善し、AI のメリットを診療現場にもたらすことです。

Owkin は、NVIDIA、King’s College London、および MELLODDY (英国に拠点を置く創薬コンソーシアム) に所属する 12 を超える組織と提携しており、フェデレーテッド ラーニングの手法が製薬会社のパートナーに対し、データのプライバシーを犠牲にすることなく、世界最大のコラボレーションによる新薬化合物のデータセットを AI トレーニングに活用する、コロナ禍およびその後の世界どちらにとっても最良の機能をどのように提供できるかについて実証しています。

キングス カレッジ ロンドンでは、London Medical Imaging and Artificial Intelligence Center for Value-Based Healthcare (価値に基づく医療活動実現のためのロンドンの医療画像および AI センター) プロジェクトの一環として、フェデレーテッド ラーニングを使用した同校の取り組みにより、脳卒中と神経障害を見分けたり、癌の根本的な原因を特定したりすることが可能となり、患者への最善の治療を推奨するための突破口になることを期待しています。

NVIDIA CEOのジェンスン フアンは、GTCの基調講演の中で、AIがどのように創薬を加速させることができるかを説明しています。

(※この動画は日本語字幕をご利用いただけます。)

多国籍のデータセットを利用した COVID-19 向けのその他の AI モデルの詳細については、こちらの論文をご覧ください。また、フェデレーテッド ラーニングを支える科学についての詳細は、こちらの論文をご覧ください。


You may also like...