杜克大学将领导 $1M 项目，探索在人工智能时代确保患者数据安全的方法

2020 年 9 月 21 日

达勒姆 – 得益于快速发展的可以分析大量数据的机器学习技术，一个全新的医疗保健洞察世界触手可及。但我们如何才能有效地利用这些有价值的数据，同时确保患者信息的私密性呢？

由杜克大学领导的多学科研究团队（由杜克大学电气和计算机工程系教师 Hai Li 和 Lawrence Carin、生物统计学和生物信息学系教师 David Page 和 Erich Huang 以及匹兹堡大学和 UMPC 的合作者（Heng Huang、Wei Chen、 Samuel Dickson、Ying Ding 和 Liang Zhan 有望回答这个问题。该团队已获得美国国家科学基金会 (NSF) 融合加速器新拨款 $1 百万美元，用于开发名为 LEARNER 的健康模型共享和学习平台。

这 NSF 融合加速器计划于 2019 年推出，旨在帮助快速过渡研究和发现 NSF 的“大创意” 付诸实践。 2020 年，NSF 继续投资两个具有国家重要性的变革性研究领域——量子技术和人工智能（AI）——确保这些领域的技术进步对社会产生积极影响。

这 NSF 融合加速器计划于 2019 年推出，旨在帮助快速过渡研究和发现 NSF 的“大创意” 付诸实践。

NSF 融合加速器项目负责人道格拉斯·莫恩 (Douglas Maughan) 表示：“量子技术和人工智能驱动的数据和模型共享主题是根据社区意见选择的，并确定了联邦研究和开发优先事项。” “这是该计划的第二批，我们很高兴这些团队能够利用融合研究和以创新为中心的基础知识来加速产生积极社会影响的解决方案。”

李相信，她的团队的工作将实现这一目标，帮助满足国家对高效、安全技术的迫切需求，充分发挥大数据在医疗保健领域的潜力，同时解决公平（可查找、可访问、可互操作、可重复使用）数据原则并处理机器学习算法的高计算需求。新平台还将包括一个存储库，可以安全地收集和共享数据和元数据。

杜克大学电气与计算机工程教授李海

“我们的项目将从根本上推进人工智能驱动的健康创新，并通过基础设施开发和框架部署加速健康数据科学领域受使用启发的融合研究，”机器学习专家、共同指导该项目的李说。替代可持续和智能计算中心（ASIC），一个总部位于杜克大学的 NSF 产学合作研究中心。 “LEARNER平台将支持协作健康数据科学模型共享和学习，防止数据隐私泄露，并提供复杂的数据和执行管理，以提高复杂健康数据分析的可重复性。”

在接下来的 9 个月中，2020 届融合加速器团队将致力于开发他们的初步概念、确定新的团队成员并参与重点关注以人为本的设计、团队科学以及推介准备和演示指导的创新课程。开发出初始原型后，团队将参加推介竞赛和提案评估。入选第二阶段的团队将有资格获得额外资助——为期 24 个月，最高可达 $500 万。

到第二阶段结束时，团队预计将提供具有高影响力的解决方案，大规模影响社会需求。

(C) 杜克大学

原文来源： WRAL 技术线