Vertical Federated Alzheimer’s Detection on Multimodal Data

要約

医療技術が急速に進歩する時代において、医療データの細分化は避けられず、分散データでトレーニングできるプライバシー保護機械学習アルゴリズムの開発が必要となっています。
特に医療保険の相互運用性と責任に関する法律 (HIPAA) によって課せられた厳格なプライバシー規制のため、機密の医療データを統合することは必ずしも選択肢ではありません。
このペーパーでは、分散データからトレーニングできる HIPAA 準拠のフレームワークを紹介します。
次に、アルツハイマー病 (AD) を検出するためのマルチモーダル垂直連合モデルを提案します。アルツハイマー病 (AD) は、認知症を引き起こす可能性があり、脳機能を著しく損ない、特に予防ケアを行わない場合に単純な作業を妨げる重篤な神経変性状態です。
この垂直連合モデルは、HIPAA によって課されるプライバシー制約を尊重しながら、医療データのさまざまなソースにわたる共同学習を可能にする分散アーキテクチャを提供します。
また、データの複数のモダリティを活用して、AD 検出の堅牢性と精度を向上させることもできます。
私たちが提案したモデルは、連合学習技術の進歩に貢献するだけでなく、医学研究におけるデータのセグメント化によってもたらされるハードルを克服することも期待されています。
この研究では、垂直フェデレーテッド ラーニングを使用することで、医療機関が患者のプライバシーを侵害することなく分散データセットに組み込まれた集合知を活用できるフレームワークを提供することを目指しています。

要約(オリジナル)

In the era of rapidly advancing medical technologies, the segmentation of medical data has become inevitable, necessitating the development of privacy preserving machine learning algorithms that can train on distributed data. Consolidating sensitive medical data is not always an option particularly due to the stringent privacy regulations imposed by the Health Insurance Portability and Accountability Act (HIPAA). In this paper, we introduce a HIPAA compliant framework that can train from distributed data. We then propose a multimodal vertical federated model for Alzheimer’s Disease (AD) detection, a serious neurodegenerative condition that can cause dementia, severely impairing brain function and hindering simple tasks, especially without preventative care. This vertical federated model offers a distributed architecture that enables collaborative learning across diverse sources of medical data while respecting privacy constraints imposed by HIPAA. It is also able to leverage multiple modalities of data, enhancing the robustness and accuracy of AD detection. Our proposed model not only contributes to the advancement of federated learning techniques but also holds promise for overcoming the hurdles posed by data segmentation in medical research. By using vertical federated learning, this research strives to provide a framework that enables healthcare institutions to harness the collective intelligence embedded in their distributed datasets without compromising patient privacy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google