連合学習（Federated learning）の医療応用について
連合学習（Federated learning）とは、データを集約せず分散した状態のまま（社外にデータを出すことなく）、学習を行う機械学習の手法
とされています
連合学習（Federated learning）にもいろいろな
応用方法がある
上記の記事では
GoogleはAndroidのGoogleキーボードに連合学習を使用している
方法を活用した連合学習を紹介してます
中国のネット銀行でも連合学習
微衆銀行（ウィーバンク）は顧客のデータを
安全なサーバーに留めて情報漏洩のリスクを抑えることを
目的として連合学習の研究を行っています
AI創薬でも連合学習
AI創薬向け機械学習ライブラリkMoLを2021年10月20日オープンソースとしてリリースされてます
ちなみにこちらの記事を見ると
機械学習フレームワークPyTorchが利用可能な点がメリットとして挙げられてます
深層学習を使用する環境を構築する際にPyTorchかkeras
私が2018年ころに開発をしていた時はkerasが多かったですが
2022年4月現在ではPyTorchが増えてきています
連合学習機能を有する機械学習ライブラリの多くは、
機械学習フレームワークTensorFlowをベースとするものでした
PyTorchは手軽にモデルを実装できることから
現在最も人気のある機械学習フレームワークの一つとなっており
AI創薬向け機械学習ライブラリkMoL
はPyTorchが利用可能である魅力があります
創薬とAI研究の世界は連合学習によって加速する可能性
今回創薬の世界で連合学習を使用した例を見ましたが
この仕組みは、様々な医療業界の領域にも利用可能なことが期待されます
創薬だけでなく 透析 内視鏡 リハビリ etc 様々な領域で
連合学習を活用できることがわかります
それには各病院内に連合学習の仕組みがわかり 医療知識もある
医療×AIの
ダブルメジャ―の方の存在が必要だと思います
経験上 そういった方が 揃うと開発スピードが非常に早くなります！
python を使用している方が
よく聞くTensorFlowの連合学習は以下となります
医療の専門知識とエンジニアのスキルが重要
現在、医療現場で 機械学習研究が進まない理由として
個人情報保護法 と 開発費用 の２つの大きな問題があると
個人的に感じています
機械学習関連の情報も詳しい 医療従事者が増えることが
これらの解決策に繋がるかもしれません
例えばですが PyTorch を利用して
透析患者の適正条件を 連合学習で予測するという研究を始めるとします
これらを行うためには
現場で働く医療従事者の深い 専門知識と
エンジニアの経験に基づくスキル
の 繋がり が重要です
そこに橋を かける 存在でありたいと思います