• تستخدم لجنة من الخبراء من المراكز الطبية الأمريكية الكبرى التعلم المشترك المدعوم من Nvidia لتحسين نماذج الذكاء الاصطناعي لتجزئة الأورام، مما يتيح لهم التعاون في تطوير النماذج دون مشاركة البيانات الحساسة.
  • من خلال الاستفادة من التعلم المشترك، يهدف الفريق إلى تحسين دقة النماذج والامتثال للوائح الخصوصية مع معالجة تحديات توحيد البيانات بين مواقع التصوير الطبي المختلفة.

رأينا
تستكشف مجموعة من الخبراء من المؤسسات الطبية الأمريكية الكبرى التعلم المشترك لتدريب نماذج الذكاء الاصطناعي على تجزئة الأورام، مما يتيح تطويرًا تعاونيًا دون المساس بخصوصية البيانات. يهدف هذا النهج المبتكر إلى تحسين دقة النماذج مع معالجة تعقيدات مشاركة البيانات وتوحيدها في التصوير الطبي.
-راي لي، صحفية في BTW

ما حدث

تستخدم لجنة من الخبراء من مختلف المراكز الطبية الكبرى والمؤسسات البحثية الأمريكيةالتعلم المشتركالمدعوم منNvidiaلتطوير التصنيف بمساعدة الذكاء الاصطناعي لتدريب النماذج المركزة على تجزئة الأورام، وخاصة لسرطان الخلايا الكلوية الصافية. هذا الجهد التعاوني يمكن العديد من المنظمات من تطوير وتحسين نماذج الذكاء الاصطناعي دون الحاجة إلى مشاركة بيانات حساسة للمرضى، حيث يتم التعلم محليًا في كل موقع بينما يتم تبادل معلمات النموذج فقط.

يقود المشروع جون غاريت من جامعة ويسكونسن-ماديسون وبدعم من أدوات وموارد Nvidia، ويشمل المشروع ستة مراكز طبية تساهم ببيانات من حوالي 50 دراسة تصويرية. يقوم الفريق بتنفيذ NVIDIA MONAI للتصنيف بمساعدة الذكاء الاصطناعي في المرحلة التالية من المشروع، بهدف تقييم كيفية مقارنة التجزئات المولدة بالذكاء الاصطناعي مع التصنيفات اليدوية التقليدية. لا تهدف هذه المبادرة فقط إلى تحسين أداء النماذج، بل تنوي أيضًا نشر النتائج والموارد لاستخدام أوسع في المجال الطبي.

اقرأ أيضًا:قد تسمح الولايات المتحدة لـ Nvidia بتصدير رقائق الذكاء الاصطناعي المتقدمة إلى السعودية، وفقًا لـ Semafor

اقرأ أيضًا:خسارة Nvidia التاريخية لقيمتها السوقية تثير مخاوف من فقاعة تكنولوجية

لماذا هذا مهم

هذا يظهر تطبيقًا عمليًا للتعلم المشترك في قطاع الصحة، معالجة الحاجة الحاسمة للتعاون في البيانات بطريقة تحترم الخصوصية. مع تطور تقنيات الذكاء الاصطناعي في التصوير الطبي، فإن القدرة على تطوير نماذج دقيقة دون المساس بخصوصية المرضى أمر ضروري. باستخدام التعلم المشترك، يسمح المشروع للمؤسسات بالاستفادة من مجموعات بيانات متنوعة مع الامتثال للوائح مثل HIPAA و GDPR، مما يؤدي في النهاية إلى حلول ذكاء اصطناعي أكثر قوة وقابلة للتعميم في التصوير الطبي.

التركيز على تحسين التصنيف بمساعدة الذكاء الاصطناعي من خلال أدوات مثل NVIDIA MONAI يبرز تقدمًا كبيرًا في كيفية معالجة وتحليل البيانات الطبية. يمكن أن يؤدي ذلك إلى أدوات تشخيص أفضل وتخطيط علاجي محسن، وبالتالي تحسين رعاية المرضى. الطبيعة التعاونية للمشروع تعزز أيضًا ثقافة مشاركة المعرفة والموارد بين المؤسسات الطبية، مما يعزز الابتكار ويسرع اعتماد تقنيات الذكاء الاصطناعي في الرعاية الصحية. الالتزام بنشر المنهجيات ومجموعات البيانات يدعم المجتمع الطبي الأوسع في تطوير البحث والتطوير في هذا المجال الحاسم.