医疗AI开发长跑，谁将拔得头筹？

过去几年，医疗AI的发展很大程度上受制于可供其学习数据的不足，为了达到较高预测或诊断精度，医疗AI通常需要几千到几十万份不同患者的电子病历进行深度学习训练。但医疗数据在各国都属于极其敏感的个人信息，而且很多病症病程较长，光是收集数据可能就要花费数年的时间。

在AI产业化面临严重的数据困局时，互联网巨头谷歌提出了联邦学习概念，帮助医疗AI开发继续快速前进。

联邦学习指的是将AI算法模型导入用户数据所储存的本地终端进行深度学习训练，云端服务器只获取训练后的AI算法模型即可，从而让用户数据在不离本地终端的情况下，也可以帮助AI进行深度学习。

联邦学习的出现，让每个用户都可能成为AI技术发展的贡献者，同时也帮助研发者与医疗机构之间建立了一种跨越数据鸿沟的崭新方式。

12月20号，由中国华中科技大学与剑桥大学领导的国际团队开发了一种新的人工智能模型。该模型使用联邦学习模型，在中国及英国的23家医疗机构内，通过学习分析3300名患者的9000多张胸部CT影像，在保护了患者个人隐私的同时，训练完成的医疗AI诊断精度达到了与专业的影像科医生相当的程度。

由于联邦学习的训练速度与对个人信息极高的保密性，近两年联邦学习的价值被高度评价，被认为是未来医疗AI研究的常见形式。并且最近有研究可以表明，通过联邦学习获得不同学习样本的AI算法模型，其精度相较于过去在单一数据库内学习的AI算法更加精确。

CGMGROUP株式会社（东京）正是一家瞄准联邦学习算法的医疗AI开发公司。目前该公司正在筹备进行病历分析的AI深度学习，目前已经与多家中日两国的医疗机构达成合作意向，将开发的AI模型导入数据库内进行诊断训练。同时与其他AI开发公司相比，CGM公司所拥有的优势是，其公司自行研发的跨国医疗平台“DMS国际诊疗”已经投入运营，在医疗机构之外，通过对自身产品目标客户的数据展开分析，相信CGM公司可以打造更加贴合用户需求的医疗AI服务平台。

医疗AI的开发就像一场长跑，需要强大的耐心与耐力，才能渐行渐远，只有创造出切实的价值，才会有无限光明的前景。