杜克大學將領導 $1M 項目，探索在人工智慧時代確保患者資料安全的方法
發布日期：達勒姆 – 由於快速發展的可以分析大量數據的機器學習技術，一個全新的醫療保健洞察世界觸手可及。但我們如何有效地利用這些有價值的數據，同時確保病患資訊的隱私？
由杜克大學領導的多學科研究團隊（由杜克大學電機與電腦工程系教師Hai Li 和Lawrence Carin、生物統計學和生物資訊學系教師David Page 和Erich Huang 以及匹茲堡大學和UMPC 的合作者（ Heng Huang、Wei Chen、 Samuel Dickson、Ying Ding 和Liang Zhan 有望回答這個問題。該團隊已獲得美國國家科學基金會(NSF) 融合加速器新撥款$1 百萬美元，用於開發名為LEARNER 的健康模型共享和學習平台。
這 NSF 融合加速器計劃 於 2019 年推出，旨在幫助快速過渡研究和發現 NSF 的“大創意” 付諸實踐。 2020 年，NSF 繼續投資兩個具有國家重要性的變革性研究領域—量子技術和人工智慧（AI）——確保這些領域的技術進步對社會產生正面影響。
這 NSF 融合加速器計劃 於 2019 年推出，旨在幫助快速過渡研究和發現 NSF 的“大創意” 付諸實踐。
NSF 融合加速器計畫負責人道格拉斯·莫恩 (Douglas Maughan) 表示：“量子技術和人工智慧驅動的數據和模型共享主題是根據社區意見選擇的，並確定了聯邦研究和開發優先事項。” “這是該計劃的第二批，我們很高興這些團隊能夠利用融合研究和以創新為中心的基礎知識來加速產生積極社會影響的解決方案。”
李相信，她的團隊的工作將實現這一目標，幫助滿足國家對高效、安全技術的迫切需求，充分發揮大數據在醫療保健領域的潛力，同時解決公平（可找到、可訪問、可互操作、可重複使用）資料原則並處理機器學習演算法的高運算需求。新平台還將包括一個儲存庫，可以安全地收集和共享資料和元資料。
杜克大學電機與電腦工程教授李海
「我們的計畫將從根本上推進人工智慧驅動的健康創新，並透過基礎設施開發和框架部署加速健康數據科學領域受使用啟發的融合研究，」機器學習專家、共同指導該計畫的李說。 替代可持續和智慧計算中心 （ASIC），一個總部位於杜克大學的 NSF 產學合作研究中心。 “LEARNER平台將支援協作健康數據科學模型共享和學習，防止數據隱私洩露，並提供複雜的數據和執行管理，以提高複雜健康數據分析的可重複性。”
在接下來的 9 個月中，2020 屆融合加速器團隊將致力於開發他們的初步概念、確定新的團隊成員並參與重點關注以人為本的設計、團隊科學以及推介準備和演示指導的創新課程。開發出初始原型後，團隊將參加推廣競賽和提案評估。入選第二階段的團隊將有資格獲得額外資助——為期 24 個月，最高可達 $500 萬。
到第二階段結束時，團隊預計將提供具有高影響力的解決方案，大規模影響社會需求。
(C) 杜克大學
原文來源： WRAL 技術線