【跨国联合学习专案台湾第一家医院】三总加入跨国联合学习计划来抗疫，联手20家医学中心打造病情恶化预警模型

联合学习（Federated Learning）不只能用来训练跨组织模型，“还适合打造跨国AI，特别是对资料隐私要求非常高的医疗领域，”三军总医院（以下简称三总）人工智能暨物联网发展中心首席执行官李家政说。

今年六个月，三总正式加入由Nvidia和美国麻州总医院体系医院Mass General Brigham（简称MGB）发起的武汉肺炎（COVID-19）联合学习计划，要与其他国家的医疗机构，共同训练一套病情恶化预警模型。

身为这次计划核心人物之一的李家政指出，该计划并非单纯判断患者是否得到武汉肺炎，而是要透过各机构的武汉肺炎患者X光片，以及30多项电子病历资料字段，如生命征象、白血球浓度等，来打造一套病情恶化预警系统。

因为，有别于一般肺炎，武汉肺炎患者可能在一天内突然恶化。对疫情大爆发的国家来说，一家医院一天可能涌入数十位病患，这套预警系统，就能先替医生筛选出高风险患者，让医生先替这些患者，准备插管或氧气治疗等资源。

联手海内外20家医疗机构

参与这项联合学习计划的医院，横跨了美、欧、东亚和东南亚，共20家医疗机构。这些机构有几项共同点，比如都是医学中心、武汉肺炎案例数达一定门槛（阴阳性X光片各达100例），也具一定水准的软硬件设备。

以三总来说，已具备Nvidia第一代超级电脑DGX-1和工作站，也是国内武汉肺炎患者收治最多的医学中心。虽然案例数远不及国外医院，但藉联合学习分散式的训练，就好比集众人之力、成众人之事，资料稍少依然能发挥作用。

在整个联合学习计划进展上，目前Nvidia和MGB已做好前置作业，包括定义训练资料类型、模型等细节，也开发了第一套样板模型。此外，他们也在GitLab上开设技术小组群组，让所有参与联合学习的医院技术负责人加入。

虽然目前尚未展开，但就规划的训练流程来说，各家医院会先从AWS上的中央主机，下载MGB开发的样版模型，在Local端以自家的资料来训练模型。训练好后，再将各自模型的权重，也就是数学方程式中的微调数值，上传至AWS中央主机来聚合（Aggregate）。

之后，中央主机会透过聚合算法来优化权重，并将优化过后的权重，回传给各家医院，让医院利用新的权重资料，来训练自家模型，如此循环迭代。

在这个过程中，各家医院不必等待所有医院上传权重。因为，Nvidia设定，只要上传权重的医院到达一定数量，中央主机就会开始聚合，并回传优化后的权重。而在第一轮来不及上传权重的医院，一样可在训练后上传，并接收第一轮优化过的权重，来进行第二轮训练。

这样的做法，打破了传统需要大量数据且集中式训练的局限。在过去，要训练一套表现优良的AI模型，需大量、代表性高的训练资料，集中在一个资料中心来训练。 

然而，在医疗界，患者资料属高度隐私资料，在如欧盟最严个资保护规范GDPR等的限制下，更不用说集结各家医院的患者资料，来开发模型。联合学习正好解决了这些瓶颈，透过共享权重，让医院在不必分享病患机密资料的前提下，也能精进模型表现，达到传统集中式训练的效果。

话锋一转，李家政指出，透过联合学习训练的模型，再放回各节点医院端使用时，可能会发生准确度下降的情形。不过，三总已想好解决对策，也就是利用自家医院的资料和迁移学习（Transfer Learning），来提高模型的表现。

另一方面，联合学习也可能面对一般机器学习会遇到的资料隐私挑战，比如模型反推攻击或是梯度资料泄漏，来推导出特定个资。

为此，三总也有两个原则来应对，首先是资料集最小化，也就是在不影响模型表现的情况下，只使用关键参数来训练模型，减少资料暴露的程度。再来则是避免使用关键特征，比如基因。

不过，李家政表示，这次的联合学习计划，只采用去识别化的患者X光片和生理数据等，并未采用较具特征性的患者主索引（MPI）和基因相关资料，也因此，“被回推的风险很低。”

以国际经验先练兵，备好基础架构迎接新机会

虽然三总还是联合学习的新手，但他指出，透过这次联合学习计划，能够学习相关流程和知识，为未来国内外的联合学习专案打下基础。

李家政认为，国内虽有健保大数据，科技部也在这1、2年释出医疗影像相关资料，供医院做AI研究之用，但联合学习仍有用武之地。“健保大数据不会显示数值，比如不会显示病患在某家医院的血钾浓度检查值，此外，医疗影像数据也非全数释出，资料不一定够多元。”在他看来，医院要在维护资料隐私的前提下，以足够的资料来训练模型，就可采用联合学习。

比如，三总可联合全台14家军医院，来共同训练特定疾病的AI模型，又或是以军医院体系，来与其他医院体系如台大医院、长庚医院等，来发展跨院的AI合作，甚至是跨国专案。

为打好AI开发基础，三总也在近年，着手改善IT基础架构，比如成立AIoT中心、采用统一的医疗资讯交换标准FHIR ，以及整合14家军医院的医疗资讯系统（HIS），以单独一套HIS让各分院使用、互通资料。未来，三总也将采用低延迟、高带宽的5G和Wi-Fi 6，并将院内网络骨干架构提升至100 Gbps带宽，来因应AI资料传输和运算的需求。

 相关报导  AI隐私难题新解方：联合学习