Яндекс, ИСП РАН и Сеченовский Университет: Нейросеть для выявления фибрилляции предсердий

Основные статьи:

• Нейросети (нейронные сети)
• Искусственный интеллект в медицине
• Машинное обучение
• Диагностика сердечных заболеваний

2024: Создание нейросети для выявления фибрилляции предсердий

Яндекс позволит партнёрам вместе обучать нейросети и раздельно хранить данные. Об этом компания сообщила 8 октября 2024 года.

Такую возможность даёт федеративное машинное обучение — Яндекс вместе с ИСП РАН и Сеченовским Университетом опробовали его на практике для задач медицины. Федеративный подход позволяет организациям, например, банкам или медицинским учреждениям, участвовать в партнёрских проектах, не передавая наружу свои чувствительные данные.

Федеративный подход позволяет участникам коллективно обучать модели, никому не передавая свои данные. Это открывает новые возможности для партнёрств в сфере искусственного интеллекта. Теперь в них смогут участвовать компании из отраслей, где имеют дело с чувствительной информацией: например, финансов, медицины или промышленности.

Сперва модель обучается на каждом из датасетов участников проекта. На центральный сервер передаются не сами датасеты, а результаты их обработки — к примеру, изменения в весах модели. Именно на них затем обучается глобальная модель. Таким образом, датасеты на протяжении всего процесса обучения не покидают контуры организаций — и никто, кроме владельцев, не может получить к ним доступ.

Яндекс, ИСП РАН и Сеченовский Университет Минздрава России, используя федеративный подход, создали нейросеть, которая по данным электрокардиограмм выявляет фибрилляцию предсердий — одну из наиболее распространенных патологий сердца. Технология делает это с высокими показателями чувствительности и специфичности. Для обучения использовались два независимых датасета с электрокардиограммами: от Сеченовского университета и от ИСП РАН. Оба партнёра провели раунды обучения на своей стороне, а затем передали результаты в общий контур.

Проект реализовали эксперты центра технологий для общества Yandex Cloud. За техническую составляющую проекта отвечали инженеры Yandex Cloud и ИСП РАН. В Yandex Cloud продумали этапы реализации, предложили стек технологий, создали унифицированную среду для обучения и рассчитали необходимый объём ресурсов. В ИСП РАН разработали модель и адаптировали её под опенсорсный фреймворк федеративного обучения. Сеченовский Университет дал экспертную оценку качества модели.

В будущем воспользоваться федеративным машинным обучением смогут клиенты Yandex Cloud. Данный подход позволит участвовать в совместных проектах организациям, которые раньше не могли сотрудничать из-за рисков, связанных с передачей чувствительных данных. Это, в свою очередь, повысит качество итоговых моделей — чем больше партнёров в проекте, тем больше данных для обучения. Кроме того, федеративный метод будет полезен и партнёрам, которых разделяют большие расстояния — например, когда речь идёт о трансграничной передаче данных.