臺大團(tuán)隊參與之全球大規(guī)模聯(lián)邦學(xué)習(xí)計畫 成果發(fā)表於國際頂尖期刊Nature Medicine

由臺大人工智慧與機(jī)器人研究中心主任傅立成教授所主持的全幅健康照護(hù)中心（MAHC），與臺大應(yīng)用數(shù)學(xué)科學(xué)研究所王偉仲教授研究團(tuán)隊（MeDA Lab），以及衛(wèi)生福利部中央健康保險署一同合作，2020年7月起加入由美國科技大廠NVIDIA和頂尖醫(yī)療機(jī)構(gòu)Mass General Brigham聯(lián)合醫(yī)院所發(fā)起的COVID-19聯(lián)邦學(xué)習(xí)計劃EXAM（EMR CXR AI Model）。經(jīng)與多方國際單位合作，共同開發(fā)出為專業(yè)醫(yī)事人員所信任並能有效運(yùn)用於臨床場域的人工智慧（AI）模型，成功預(yù)測COVID-19患者對呼吸器的需求程度。這項規(guī)模龐大、合作單位跨越五大洲的研究成果，於今年9月15日發(fā)表於國際頂尖期刊《自然醫(yī)學(xué)》（Nature Medicine）。

本次聯(lián)邦學(xué)習(xí) EXAM 計畫集合來自美國、英國、加拿大、日本、韓國、泰國、巴西以及臺灣等國二十間醫(yī)院或研究機(jī)構(gòu)，共同開發(fā)能夠精準(zhǔn)預(yù)測COVID-19患者對呼吸器的需求程度，透過先進(jìn)AI 技術(shù)輔助醫(yī)事人員預(yù)測 COVID-19 患者的氧氣需求，以便最有效率地安置患者，使醫(yī)療資源達(dá)到更適切的運(yùn)用。藉由聯(lián)邦學(xué)習(xí)技術(shù)，研究人員可以在不取得各地伺服器中，患者隱私資料的條件下，運(yùn)用各合作單位所提供之胸腔X光影像（Chest X-Ray, CXR）與電子健康紀(jì)錄等醫(yī)療資訊來訓(xùn)練EXAM模型。

此次在臺大MAHC、MeDA Lab、健保署與NVIDIA努力合作下，由健保署針對確診COVID-19感染病患與非COVID-19感染病患，提供相關(guān)CXR影像資料及相關(guān)生理數(shù)據(jù)資料，作為AI模型的訓(xùn)練資料集。並由臺大團(tuán)隊、健保署、NVIDIA與其他分布於全球不同地點的參與醫(yī)院合作，共同建構(gòu)數(shù)據(jù)庫、調(diào)整與執(zhí)行聯(lián)邦學(xué)習(xí)演算法，最終驗證AI模型準(zhǔn)確性。臺灣參與的機(jī)構(gòu)單位除了MAHC、MeDA Lab、健保署之外，還有三軍總醫(yī)院，可謂國內(nèi)產(chǎn)官學(xué)研醫(yī)共同參與跨國大型AI應(yīng)用於醫(yī)療研究的成功典範(fàn)。

這項發(fā)表於《自然醫(yī)學(xué)》的研究，聯(lián)邦學(xué)習(xí)技術(shù)在沒有交換數(shù)據(jù)的情況下，促成全球跨國間的協(xié)作，並在保護(hù)隱私的前提下，有效打造出精準(zhǔn)且可普及的EXAM AI模型，為聯(lián)邦學(xué)習(xí)技術(shù)更廣泛地應(yīng)用於醫(yī)療領(lǐng)域奠定基礎(chǔ)。研究結(jié)果顯示，此全球性大規(guī)模聯(lián)合研究，成功預(yù)測COVID-19患者從初次到急診室就診，之後24小時和72小時的氧氣需求，得到接收者操作特性曲線下面積（AUC）平均大於0.92優(yōu)異的預(yù)測能力。

此外，透過聯(lián)邦學(xué)習(xí)的訓(xùn)練，所有參與此計畫的在地模型（local model）平均接收者操作特性曲線下面積（AUC）提高16%、泛用性（generalizability）平均增加38%。在參與計畫中，最大的獨立測試醫(yī)院資料，此聯(lián)邦學(xué)習(xí)模型於預(yù)測 COVID-19 患者24小時的氧氣需求程度，模型敏感度（sensitivity）為0.950、特異度（specificity）為0.882。上述數(shù)據(jù)均顯示EXAM模型具備優(yōu)異的效能。這個跨國合作所開發(fā)的Al模型，已經(jīng)放置於雲(yún)端，開放所有人使用。以臺灣而言，除了可以協(xié)助本國籍病患，對於來自不同國家移入的病患來說，這個跨族群的聯(lián)邦學(xué)習(xí)模型的預(yù)測結(jié)果更具參考價值。

臺大傅立成教授表示，全幅健康照護(hù)中心十分榮幸可以參與此次計畫，為AI技術(shù)運(yùn)用於COVID-19治療所需醫(yī)療資源的相關(guān)研究帶來貢獻(xiàn)。中心也將持續(xù)參與投入各項AI技術(shù)應(yīng)用於醫(yī)療及照護(hù)的研究與合作，期許能透過跨界、甚至跨國合作，協(xié)助推進(jìn)臺灣的智慧醫(yī)療照護(hù)領(lǐng)域發(fā)展。

■參考資料：
全幅健康照護(hù)中心（MAHC）http://mahc.ntu.edu.tw/
臺大王偉仲教授研究團(tuán)隊（MeDA Lab）http://meda.ai
https://www.medalab.ai/research/fl
https://blogs.nvidia.com/blog/2021/09/15/federated-learning-nature-medicine/
https://blogs.nvidia.com.tw/2020/10/05/federated-learning-covid-oxygen-needs/
https://www.youtube.com/watch?v=cOXVrtkv6FE
http://mahc.ntu.edu.tw/news_view.php?id=103