Federated learning for secure development of AI models for Parkinson’s disease detection using speech from different languages

要約

パーキンソン病 (PD) は、人の言語に影響を与える神経疾患です。
自動 PD 評価手法の中でも、深層学習モデルが特に注目を集めています。
最近、コミュニティは、診断の精度をさらに向上させることができるクロス病理学およびクロス言語モデルを研究しています。
しかし、患者データのプライバシーに関する厳格な規制により、各機関が患者の音声データを相互に共有することはほとんど妨げられています。
この論文では、ドイツ語、スペイン語、チェコ語というそれぞれ別の機関からの 3 つの現実世界の言語コーパスからの音声信号を使用した PD 検出にフェデレーテッド ラーニング (FL) を採用しています。
私たちの結果は、FL モデルが診断精度の点ですべてのローカル モデルを上回っている一方、中央で結合されたトレーニング セットに基づくモデルとそれほどパフォーマンスに差がなく、共同作業者間でデータを共有する必要がないという利点があることを示しています。
これにより施設間の連携が簡素化され、患者の転帰が向上します。

要約(オリジナル)

Parkinson’s disease (PD) is a neurological disorder impacting a person’s speech. Among automatic PD assessment methods, deep learning models have gained particular interest. Recently, the community has explored cross-pathology and cross-language models which can improve diagnostic accuracy even further. However, strict patient data privacy regulations largely prevent institutions from sharing patient speech data with each other. In this paper, we employ federated learning (FL) for PD detection using speech signals from 3 real-world language corpora of German, Spanish, and Czech, each from a separate institution. Our results indicate that the FL model outperforms all the local models in terms of diagnostic accuracy, while not performing very differently from the model based on centrally combined training sets, with the advantage of not requiring any data sharing among collaborators. This will simplify inter-institutional collaborations, resulting in enhancement of patient outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google