인텔 랩(Intel Labs)이 펜실베니아 대학교 페럴만 의과대학(펜 메디슨, Perelman School of Medicine at the University of Pennsylvania, Penn Medicine)과 협력해 펜 메디슨이 이끄는 29개 국제 보건 의료 및 연구 기관 연합이 AI 모델을 훈련시킬 수 있도록 공동 개발 중이다.
이 AI 모델은 프라이버시를 지키는 기술인 연합 학습(federated learning)을 활용해 뇌종양을 식별한다. 펜 메디슨의 연구는 3년 동안 펜실베니아 대학교 생물학적 이미지 컴퓨팅 및 분석 센터(Center for Biomedical Image Computing and Analytics (CBICA))의 스피리돈 바카스 박사(Dr. Spyridon Bakas)에게 120만 달러의 연구 보조금을 수여하는 형태로 지원된다.
이 지원금은 국립 보건원(National Institutes of Health (NIH)) 산하 국립 암 연구소(National Cancer Institute (NCI))의 암 연구를 위한 정보 기술학(Informatics Technology for Cancer Research (ITCR)) 프로그램의 일부다.
펜 메디슨과 미국, 캐나다, 영국, 독일, 네덜란드, 스위스, 인도 등 29 개의 의료 및 연구 기관들은 환자 데이터를 공유하지 않고도 딥 러닝 프로젝트에 협력할 수 있는 분산형 머신 러닝 접근법인 연합 학습을 사용할 예정이다.
펜 메디슨과 인텔 랩은 의학 영상 영역에서 연합 학습에 대한 논문을 최초로 발표했으며, 특히 연합 학습법이 기존의 프라이버시를 지키지 않는 방식으로 훈련된 모델 정확도의 99% 이상으로 모델을 훈련시킬 수 있다는 것을 입증했다.
본 논문은 스페인 그라나다에서 열린 2018년 의료 영상 기술 학회(Medical Image Computing and Computer Assisted Intervention, MICCAI)에서 발표됐다. 새로운 연구는 모델과 데이터 모두에 추가적인 프라이버시 보호를 제공하는 방식으로 연합 학습을 구현하기 위해 인텔 소프트웨어와 하드웨어를 활용할 것이다.
미국 뇌종양 협회(American Brain Tumor Association (ABTA))에 따르면, 올해 뇌종양 진단을 받는 사람은 8만 명에 육박할 것이며, 이중 4,600 명 이상이 어린아이일 것이라고 예상했다. 뇌종양의 조기 발견과 더 나은 예후에 도움이 될 수 있도록 뇌종양을 감지하는 모델을 훈련하고, 구축하기 위해서 연구자들은 많은 양의 관련 의료 데이터를 활용해야 할 필요가 있다.
그러나 데이터는 비공개이며, 보호되어야 하기 때문에 인텔 기술 기반 연합 학습이 필요하다. 이 접근법을 활용함으로써 모든 협력 기관의 연구자들은 민감한 의료 데이터를 보호하면서 뇌종양을 감지하는 알고리즘을 구축하고 훈련하는데 협력할 수 있게 된다.
2020년에 펜 메디슨과 29개 국제 의료 및 연구 기관은 인텔의 연합 학습 하드웨어와 소프트웨어를 사용해 현재까지 가장 많은 양의 뇌종양 데이터 세트에서 훈련된 새로운 최첨단 AI 모델을 만들 것이다. 이 모든 것은 개별 협력자를 필요로 하지 않으며 민감한 환자 데이터 또한 사용하지 않는다.
이 연합체의 첫 번째 단계를 시작하는데 참여가 예정된 협력 기관은 펜실베니아 대학교 병원(Hospital of the University of Pennsylvania), 세인트 루이스에 위치한 워싱턴 대학교(Washington University), 피츠버그 대학교 메디컬 센터(University of Pittsburgh Medical Center), 밴더발트 대학교(Vanderbilt University), 퀸스대학교(Queen’s University), 뮌헨공과대학교(Technical University of Munich), 베른대학교(University of Bern), 킹스칼리지런던(King’s College London), 타타메모리얼 병원(Tata Memorial Hospital) 등이다.
|
[영상] AI 에이전트의 핵심 서버 CPU 흥망사, 메인프레임과 워크스테이션 시대 [PC흥망사 18-1] 
