Forfattere af: Læser Dayan af Holger R. Roth af Aoxiao Zhong Ahmed Harouni Amilcare venlige af Anas Z. Abidin Andrew Liu Anthony Beardsworth Costa Bradford J. Wood Chien-Sung Tsai Chih-Hung Wang Chun-Nan Hsu C. K. Lee Peiying Ruan Daguang Xu Dufan Wu Eddie Huang Felipe Campos Kitamura Griffin Lacey Gustavo César de Antônio Corradi Gustavo Nino Hao-Hsin Shin Hirofumi Obinata Hui Ren Jason C. Crane Jesse Tetreault Jiahui Guan John W. Garrett Joshua D. Kaggie Jung Gil Park Keith Dreyer Krishna Juluru Kristopher Kersten Marcio Aloisio Bezerra Cavalcanti Rockenbach Marius George Linguraru Masoom A. Haider Meena AbdelMaseeh Nicola Rieke Pablo F. Damasceno Pedro Mario Cruz e Silva Pochuan Wang Sheng Xu Shuichi Kawano Sira Sriswasdi Soo Young Park Thomas M. Grist Varun Buch Watsamon Jantarabenjakul Weichung Wang Won Young Tak Xiang Li Xihong Lin Young Joon Kwon Abood Quraini Andrew Feng Andrew N. Priest Baris Turkbey Benjamin Glicksberg Bernardo Bizzo Byung Seok Kim Carlos Tor-Díez Chia-Cheng Lee Chia-Jung Hsu Chin Lin Chiu-Ling Lai Christopher P. Hess Colin Compas Deepeksha Bhatia Eric K. Oermann Evan Leibovitz Hisashi Sasaki Hitoshi Mori Isaac Yang Jae Ho Sohn Krishna Nand Keshava Murthy Li-Chen Fu Matheus Ribeiro Furtado de Mendonça Mike Fralick Min Kyu Kang Mohammad Adil Natalie Gangai Peerapon Vateekul Pierre Elnajjar Sarah Hickman Sharmila Majumdar Shelley L. McLeod Sheridan Reed Stefan Gräf Stephanie Harmon Tatsuya Kodama Thanyawee Puthanakit Tony Mazzulli Vitor Lima de Lavor Yothin Rakvongthai Yu Rim Lee Yuhong Wen Fiona J. Gilbert Mona G. Flores Quanzheng Li Forfattere af: Læser Dayan af Holger R. Roth af Aoxiao Zhong af Ahmed Harouni Amilcare venlige af Anas Z. Abidin af Andrew Liu af Anthony Beardsworth Costa af Bradford J. Wood Chien-Sung Tsaï af Chih-Hung Wang Chun-Nan Hsu af C. K. Lee Køge Ruan Daguang Xu Dufan Wu af Eddie Huang af Felipe Campos Kitamura af Griffin Lacey Gustavo César af Antônio Corradi af Gustavo Nino Hao-Hsin Shin af Hirofumi Obinata Hui Ren af Jason C. Crane af Jesse Tetreault af Jiahui Guan af John W. Garrett af Joshua D. Kaggie af Jung Gil Park af Keith Dreyer Krishna Juluru Kristensen Kersten af Marcio Aloisio Bezerra Cavalcanti Rockenbach af Marius George Linguraru af Masoom A. Haider af AbdelMaseeh af Nicola Rieke af Pablo F. Damasceno af Pedro Mario Cruz e Silva Køge Wang af Sheng Xu af Shuichi Kawano Sira Srisvasdi af Soo Young Park af Thomas M. Grist Varun bog Spiseværelse Vatsamon Læser Wang Vinder af Young Tak af Xiang Li af Xihong Lin Unge Joon Kwon Kærlighed Quraini af Andrew Feng af Andrew N. Priest af Baris Turkbey Benjamin Glicksberg af Bernardo Bizzo Søg efter Kim af Carlos Tor-Díez af Chia-Cheng Lee af Chia-Jung Hsu Kinesisk Lin Køge-Ling Lai af Christopher P. Hess Colin Kompas Deepeksha Bhatia af Eric K. Oermann af Evan Leibovitz af Hisashi Sasaki af Hitoshi Mori af Isaac Yang Jae Ho søn Krishna og Keshava Murthy Li-Chen Fø af Matheus Ribeiro Furtado de Mendonça af Mike Fralick Min Kyu Kang af Mohammad Adil af Natalie Gangai Peerapon Vateekul af Pierre Elnajjar af Sarah Hickman Sharmila Majumdar af Shelley L. McLeod af Sheridan Reed af Stefan Gräf af Stephanie Harmon af Tatsuya Kodama Løbehjælp af Tony Mazzulli Vitor Lima af Arbejdet Yothin Rakvongthai af Yu Rim Lee af Yuhong Wen af Fiona J. Gilbert Mona G. Blomster Kæmper Li Abstrakte Her brugte vi data fra 20 institutter over hele verden til at træne en FL-model, kaldet EXAM (Electronic Medical Record (EMR) chest X-ray AI-model), som forudsiger de fremtidige iltbehov hos symptomatiske patienter med COVID-19 ved hjælp af input af vitale tegn, laboratoriedata og bryst røntgenstråler. EXAM opnåede et gennemsnitligt område under kurven (AUC) >0.92 for at forudsige resultaterne på 24 og 72 timer fra tidspunktet for den første præsentation til beredskabsstuen, og det gav 16% forbedring i gennemsnitlig AUC målt på tværs af alle deltagende steder og en gennemsnitlig stigning i klinisk generalisering på 38% sammenlignet med specifikke modeller uddannet på et sted ved hjælp af webstedets data. For Hoved De videnskabelige, akademiske, medicinske og datalogiske samfund er kommet sammen i lyset af COVID-19 pandemisk krise for hurtigt at vurdere nye paradigmer inden for kunstig intelligens (AI), der er hurtige og sikre, og potentielt tilskynde til datadeling og modeluddannelse og test uden de sædvanlige privatlivets fred og data ejerskab hindringer af konventionelle samarbejder. , Sundhedsudbydere, forskere og industrien har vendt deres fokus til at imødekomme uopfyldte og kritiske kliniske behov skabt af krisen, med bemærkelsesværdige resultater. , , , , , , Rekruttering af kliniske forsøg er blevet fremskyndet og faciliteret af nationale tilsynsorganer og en international samarbejdsånd , , Dataanalyse og AI-discipliner har altid fremmet åbne og samarbejdende tilgange, der omfatter begreber som open-source-software, reproducerbar forskning, data repositories og gør tilgængelige anonymiserede datasæt offentligt. , Pandemien har understreget behovet for hurtigt at gennemføre data-samarbejde, der styrker de kliniske og videnskabelige samfund, når de reagerer på hurtigt udviklende og udbredte globale udfordringer. , , . 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Et konkret eksempel på disse typer samarbejde er vores tidligere arbejde på en AI-baseret SARS-COV-2 kliniske beslutningsstøtte (CDS) model. Denne CDS-model blev udviklet på Mass General Brigham (MGB) og blev valideret over flere sundhedssystemers data. , , , CXR blev valgt som billedindgang, fordi det er bredt tilgængeligt og almindeligt angivet af retningslinjer som dem, der leveres af ACR Det Fleischner Selskab af WHO De nationale thoracic samfund , national sundhedsministerium COVID håndbøger og radiologi samfund over hele verden Udgangen af CDS-modellen var en score, kaldet CORISK , som svarer til behovet for iltstøtte, og som kunne hjælpe med at screene patienter af frontlinjeklinikere , , Sundhedsudbydere har været kendt for at foretrække modeller, der blev valideret på deres egne data Hidtil er de fleste AI-modeller, herunder den ovennævnte CDS-model, blevet trænet og valideret på "snævre" data, der ofte mangler mangfoldighed , , potentielt resulterer i overfitting og lavere generalisering. Dette kan afhjælpes ved træning med forskellige data fra flere steder uden centralisering af data Brug af metoder som f.eks. læring , FL er en metode, der anvendes til at træne AI-modeller på forskellige datakilder, uden at dataene transporteres eller udsættes uden for deres oprindelige placering. . 18 19 20 21 22 23 24 25 26 27 28 29 30 27 31 32 33 34 35 36 Federeret læring understøtter hurtig lancering af centralt orkestrerede eksperimenter med forbedret sporbarhed af data og vurdering af algoritmiske ændringer og virkninger En tilgang til FL, kaldet klient-server, sender en "untrained" model til andre servere ("noder"), der udfører delvise træningsopgaver, og sender i sin tur resultaterne tilbage til at blive fusioneret i den centrale ("federerede") server. . 37 36 Datastyring for FL opretholdes lokalt, hvilket lindrer bekymringer om privatlivets fred, med kun modelvægte eller gradienter kommunikeret mellem klientwebsteder og den fødererede server , FL har allerede vist løfte i nyere medicinske billeddannelsesapplikationer , , , Læs mere om Covid-19 , , Et bemærkelsesværdigt eksempel er en dødelighedsforudsigelsesmodel hos patienter inficeret med SARS-COV-2, der bruger kliniske egenskaber, omend begrænset i form af antal modaliteter og skala. . 38 39 40 41 42 43 8 44 45 46 Vores mål var at udvikle en robust, generaliserbar model, der kunne hjælpe med at triage patienter. Vi teoriserede, at CDS-modellen kunne fødereres med succes, da den anvendte dataindtastninger, der er relativt almindelige i klinisk praksis, og som ikke er stærkt afhængige af operatør-afhængige vurderinger af patientens tilstand (såsom kliniske indtryk eller rapporterede symptomer). I stedet blev laboratorieresultater, vitale tegn, en billeddannelsesundersøgelse og en almindeligt indfanget demografisk (dvs. alder) brugt. Vi omskolede derfor CDS-modellen med forskellige data ved hjælp af en klient-server FL-tilgang til at udvikle en ny global FL-model, som blev kaldt EXAM, ved at bruge CXR- og EMR-funktioner som input. Vores hypotese var, at EXAM ville fungere bedre end lokale modeller og ville generalisere bedre på tværs af sundhedssystemer. Resultater Den eksamens arkitektur EXAM-modellen er baseret på CDS-modellen nævnt ovenfor I alt blev 20 egenskaber (19 fra EMR og en CXR) anvendt som input til modellen. Resultatet (dvs. 'jordens sandhed') etiketter blev tildelt baseret på patientens iltbehandling efter 24- og 72-timers perioder fra første optagelse til nødafdelingen (ED). En detaljeret liste over de ønskede egenskaber og resultater kan ses i tabel . 27 1 Oxygenbehandlingskategorierne var henholdsvis rumluft (RA), lavt flow ilt (LFO), højt flow ilt (HFO)/noninvasiv ventilation (NIV) eller mekanisk ventilation (MV). Hvis patienten døde inden for forudsigelsesvinduet, blev resultatet mærket til 1. Dette resulterede i, at der i hvert tilfælde blev tildelt to etiketter i området 0-1 svarende til hver af forudsigelsesvinduet (dvs. 24 og 72 timer). For EMR-funktioner blev kun de første værdier, der blev indfanget i ED, anvendt, og dataforbehandling omfattede deidentifikation, manglende værdiimputation og normalisering til nul-medium og enhedsvarians. Modellen fusionerer derfor information fra både EMR og CXR-funktioner ved hjælp af et 34-lags konvolutionelt neuralt netværk (ResNet34) for at udtrække funktioner fra et CXR og et Deep & Cross-netværk for at sammenkæde funktionerne sammen med EMR-funktionerne (for mere udvidede detaljer, se Modeludgangen er en risiko score, kaldet EXAM score, som er en kontinuerlig værdi i området 0-1 for hver af de 24 og 72 timers forudsigelser, der svarer til de etiketter, der er beskrevet ovenfor. Metoder Føderation af modellen EXAM-modellen blev trænet ved hjælp af en kohorte på 16.148 tilfælde, hvilket gør den ikke kun blandt de første FL-modeller til COVID-19 men også et meget stort og flerkontinentalt udviklingsprojekt i klinisk relevant AI (Fig. Data mellem steder blev ikke harmoniseret før udvinding, og i lyset af virkelige kliniske informatik omstændigheder, en omhyggelig harmonisering af dataindtastningen blev ikke udført af forfatterne (Fig. ) af 1a og b 1 C og D , Verdenskort, der viser de 20 forskellige klientsteder, der bidrager til EXAM-undersøgelsen. , Antallet af sager bidraget af hver institution eller websted (klient 1 repræsenterer det websted, der bidrager med det største antal sager). Bryst X-ray intensitetsfordeling på hver klient site. , Patienternes alder på hvert klientsted, der viser minimum og maksimumsalder (asterisker), gennemsnitsalder (triangler) og standardafvigelse (horisontale barer). . a b c d 1 Vi sammenlignede lokalt uddannede modeller med den globale FL-model på hver kundes testdata. Træning af modellen gennem FL resulterede i en betydelig forbedring af ydeevnen ( 1 × 10–3, Wilcoxon signeret-rang test) af 16% (som defineret ved gennemsnitlig AUC ved kørsel af modellen på de respektive lokale testsæt: fra 0,795 til 0,920, eller 12,5 procentpoint) (Fig. Det resulterede også i 38% forbedring i generaliserbarhed (som defineret ved gennemsnitlig AUC ved kørsel af modellen på alle testsæt: fra 0,667 til 0,920, eller 25,3 procentpoint) af den bedste globale model til forudsigelse af 24-timers iltbehandling sammenlignet med modeller, der kun blev trænet på et websteds egne data (Fig. ). For the prediction results of 72-h oxygen treatment, the best global model training resulted in an average performance improvement of 18% compared to locally trained models, while generalizability of the global model improved on average by 34% (Extended Data Fig. ) Stabiliteten af vores resultater blev valideret ved at gentage tre løb af lokal og FL træning på forskellige randomiserede data splits. P 2a 2b 1 , Ydeevne på hver kundes test indstillet i forudsigelse af 24-timers iltbehandling for modeller, der kun er uddannet på lokale data (Local) i forhold til den bedste globale model, der er tilgængelig på serveren (FL). , Generaliserbarhed (gennemsnitlig ydeevne på andre websteds testdata, som repræsenteret ved gennemsnitlig AUC) som en funktion af en kundes datasættestørrelse (ingen tilfælde). Den grønne horisontale linje angiver den generaliserbare ydeevne for den bedste globale model. ) og klient 14 havde tilfælde kun med RA-behandling, således at evalueringsmetrikken (af AUC) ikke var anvendelig i nogen af disse tilfælde ( Data for klient 14 blev også udelukket fra beregningen af gennemsnitlig generaliserbarhed i lokale modeller. a b 1 Metoder Lokale modeller, der blev uddannet ved hjælp af ubalancerede kohorter (f.eks. hovedsageligt milde tilfælde af COVID-19) gavn af FL-metoden, med en betydelig forbedring i forudsigelsesgennemsnitlig AUC-præstation for kategorier med kun få tilfælde. Dette var tydeligt på klientstedet 16 (et ubalanceret datasæt), med de fleste patienter, der oplevede mild sygdomssværdighed og med kun få alvorlige tilfælde. FL-modellen opnåede en højere sand-positive sats for de to positive (alvorlige) tilfælde og en markant lavere falsk-positive sats sammenlignet med den lokale model, både vist i modtagerens operative karakteristiske (ROC) plots og forvirrende matrisser (figur. og udvidede data. Vigtigere, generaliserbarheden af FL-modellen blev betydeligt øget over den lokalt uddannede model. 3a 2 , ROC på klient site 16, med ubalancerede data og for det meste milde tilfælde. , ROC af den lokale model på klientstedet 12 (et lille datasæt), gennemsnitlig ROC af modeller, der er uddannet på større datasæt svarende til de fem klientsteder i Boston-området (1, 4, 5, 6, 8) og ROC af den bedste globale model i forudsigelse af 72-timers iltbehandling for forskellige tærskler til EXAM-score (venstre, midterste, højre). Den gennemsnitlige ROC beregnes på grundlag af fem lokalt uddannede modeller, mens det grå område angiver ROC-standardafvigelsen. Pos og neg angiver antallet af positive og negative tilfælde, henholdsvis, som defineret af dette område af eksam score. a b t I tilfælde af klientwebsteder med relativt små datasæt overgik den bedste FL-model markant ikke kun den lokale model, men også dem, der blev uddannet på større datasæt fra fem klientwebsteder i Boston-området i USA (Fig. ) af 3b The global model performed well in predicting oxygen needs at 24/72 h in patients both COVID positive and negative (Extended Data Fig. ). 3 Validering på uafhængige websteder Efter den indledende uddannelse blev EXAM efterfølgende testet på tre uafhængige valideringssteder: Cooley Dickinson Hospital (CDH), Martha’s Vineyard Hospital (MVH) og Nantucket Cottage Hospital (NCH), alle i Massachusetts, USA. Modellen blev ikke omskolet på disse steder og blev kun brugt til valideringsformål. , and the ROC curves and confusion matrices for the largest dataset (from CDH) are shown in Fig. . The operating point was set to discriminate between nonmechanical ventilation and mechanical ventilation (MV) treatment (or death). The FL global trained model, EXAM, achieved an average AUC of 0.944 and 0.924 for 24- and 72-h prediction tasks, respectively (Table For forudsigelse af MV behandling (eller død) ved 24 h, EXAM opnået en følsomhed på 0,950 og specificitet på 0,882 ved CDH, og en følsomhed på 1.000 specificitet på 0,934 ved MVH. NCH havde ingen tilfælde med MV / død ved 24 h. Med hensyn til 72-h MV forudsigelse, EXAM opnået en følsomhed på 0,929 og specificitet på 0,880 ved CDH, følsomhed på 1.000 og specificitet på 0,976 ved MVH og følsomhed på 1.000 og specificitet på 0,929 ved NCH. 2 4 2 , , Performance (ROC) (top) and confusion matrices (bottom) of the EXAM FL model on the CDH dataset for prediction of oxygen requirement at 24 h ( Det er 24 timer ( ). ROCs for three different cutoff values ( ) of the EXAM risk score are shown. a b a b t For MV at CDH at 72 h, EXAM had a low false-negative rate of 7.1%. Representative failure cases are presented in Extended Data Fig. , showing two false-negative cases from CDH where one case had many missing EMR data features and the other had a CXR with a motion artifact and some missing EMR features. 4 Use of differential privacy A primary motivation for healthcare institutes to use FL is to preserve the security and privacy of their data, as well as adherence to data compliance measures. For FL, there remains the potential risk of model ‘inversion’ eller endda rekonstruktionen af træningsbilleder fra modelgradienterne selv . To counter these risks, security-enhancing measures were used to mitigate risk in the event of data ‘interception’ during site-server communication . We experimented with techniques to avoid interception of FL data, and added a security feature that we believe could encourage more institutions to use FL. We thus validated previous findings showing that partial weight sharing, and other differential privacy techniques, can successfully be applied in FL Undersøgelse af en delvis vægtdeling , , Vi viste, at modeller kan opnå en sammenlignelig ydeevne, selv når kun 25% af vægtopdateringerne deles (Extended Data Fig. ) af 47 48 49 50 50 51 52 5 Discussion This study features a large, real-world healthcare FL study in terms of number of sites and number of data points used. We believe that it provides a powerful proof-of-concept of the feasibility of using FL for fast and collaborative development of needed AI models in healthcare. Our study involved multiple sites across four continents and under the oversight of different regulatory bodies, and thus holds the promise of being provided to different regulated markets in an expedited way. The global FL model, EXAM, proved to be more robust and achieved better results at individual sites than any model trained on only local data. We believe that consistent improvement was achieved owing to a larger, but also a more diverse, dataset, the use of data inputs that can be standardized and avoidance of clinical impressions/reported symptoms. These factors played an important part in increasing the benefits from this FL approach and its impact on performance, generalizability and, ultimately, the model’s usability. For a client site with a relatively small dataset, two typical approaches could be used for fitting a useful model: one is to train locally with its own data, the other is to apply a model trained on a larger dataset. For sites with small datasets, it would have been virtually impossible to build a performant deep learning model using only their local data. The finding, that these two approaches were outperformed on all three prediction tasks by the global FL model, indicates that the benefit for client sites with small datasets arising from participation in FL collaborations is substantial. This is probaby a reflection of FL’s ability to capture more diversity than local training, and to mitigate the bias present in models trained on a homogenous population. An under-represented population or age group in one hospital/region might be highly represented in another region—such as children who might be differentially affected by COVID-19, including disease manifestations in lung imaging . 46 The validation results confirmed that the global model is robust, supporting our hypothesis that FL-trained models are generalizable across healthcare systems. They provide a compelling case for the use of predictive algorithms in COVID-19 patient care, and the use of FL in model creation and testing. By participating in this study the client sites received access to EXAM, to be further validated ahead of pursuing any regulatory approval or future introduction into clinical care. Plans are under way to validate EXAM prospectively in ‘production’ settings at MGB leveraging COVID-19 targeted resources , as well as at different sites that were not a part of the EXAM training. 53 Over 200 prediction models to support decision-making in patients with COVID-19 have been published I modsætning til de fleste publikationer, der fokuserede på diagnose af COVID-19 eller forudsigelse af dødelighed, forudsagde vi oxygenbehov, der har konsekvenser for patientstyring. Vi brugte også tilfælde med ukendt SARS-COV-2-status, og så kunne modellen give input til lægen, før man modtog et resultat for PCR med omvendt transkription (RT-PCR), hvilket gjorde det nyttigt for en real-life klinisk indstilling. Modellens billeddannelse input anvendes i almindelig praksis, i modsætning til modeller, der bruger bryst computertomografi, en ikke-konsensus diagnostisk modalitet. Modellets design var begrænset til objektive forudsigtere, i modsætning til mange offentliggjorte undersøgelser, der udnyttede subjektive kliniske 19 Patient cohort identification and data harmonization are not novel issues in research and data science , but are further complicated, when using FL, given the lack of visibility on other sites’ datasets. Improvements to clinical information systems are needed to streamline data preparation, leading to better leverage of a network of sites participating in FL. This, in conjunction with hyperparameter engineering, can allow algorithms to ‘learn’ more effectively from larger data batches and adapt model parameters to a particular site for further personalization—for example, through further fine-tuning on that site Et system, der ville muliggøre sømløs, tæt på realtid model inference og resultater behandling ville også være gavnligt og ville "lukke sløjfen" fra uddannelse til model implementering. 54 39 Because data were not centralized they are not readily accessible. Given that, any future analysis of the results, beyond what was derived and collected, is limited. Ligesom andre maskinlæringsmodeller er EXAM begrænset af kvaliteten af træningsdataene. Institutioner, der er interesseret i at implementere denne algoritme til klinisk pleje, skal forstå potentielle bias i træningen. For eksempel blev de etiketter, der anvendes som grundlæggende sandhed i træningen af EXAM-modellen, afledt af 24- og 72-timers iltforbrug hos patienten; det antages, at ilt, der leveres til patienten, svarer til iltbehovet. Men i den tidlige fase af COVID-19-pandemien blev mange patienter profylaktisk forsynet med højt iltflow uanset deres iltbehov. Da vores adgang til data var begrænset, havde vi ikke tilstrækkelige tilgængelige oplysninger til at generere detaljerede statistikker om fejlårsager, post hoc, på de fleste websteder. Men vi undersøgte tilfælde af fejl fra det største uafhængige teststed, CDH, og var i stand til at generere hypoteser, som vi kan teste i fremtiden. In future, we also intend to investigate the potential for a ‘population drift’ due to different phases of disease progression. We believe that, owing to the diversity across the 20 sites, this risk may have been mitigated. A feature that would enhance these kinds of large-scale collaboration is the ability to predict the contribution of each client site towards improving the global FL model. This will help in client site selection, and in prioritization of data acquisition and annotation efforts. The latter is especially important given the high costs and difficult logistics of these large-consortia endeavors, and it will enable these endeavors to capture diversity rather than the sheer quantity of data samples. Future approaches may incorporate automated hyperparameter searching , neural architecture search and other automated machine learning approaches to find the optimal training parameters for each client site more efficiently. 55 56 57 Known issues of batch normalization (BN) in FL motivated us to fix our base model for image feature extraction Fremtidig arbejde kan udforske forskellige typer af normaliseringsteknikker for at muliggøre træning af AI-modeller i FL mere effektivt, når klientdata er ikke-uafhængige og identisk fordelt. 58 49 Recent works on privacy attacks within the FL setting have raised concerns on data leakage during model training . Meanwhile, protection algorithms remain underexplored and constrained by multiple factors. While differential privacy algorithms , , viser god beskyttelse, kan de svække modelens ydeevne. krypteringsalgoritmer, såsom homomorfik kryptering , maintain performance but may substantially increase message size and training time. A quantifiable way to measure privacy would allow better choices for deciding the minimal privacy parameters necessary while maintaining clinically acceptable performance , , . 59 36 48 49 60 36 48 49 Following further validation, we envision deployment of the EXAM model in the ED setting as a way to evaluate risk at both the per-patient and population level, and to provide clinicians with an additional reference point when making the frequently difficult task of triaging patients. We also envision using the model as a more sensitive population-level metric to help balance resources between regions, hospitals and departments. Our hope is that similar FL efforts can break the data silos and allow for faster development of much-needed AI models in the near future. Metoder Ethics approval All procedures were conducted in accordance with the principles for human experimentation as defined in the Declaration of Helsinki and International Conference on Harmonization Good Clinical Practice guidelines, and were approved by the relevant institutional review boards at the following validation sites: CDH, MVH, NCH and at the following training sites: MGB, Mass General Hospital (MGH), Brigham and Women’s Hospital, Newton-Wellesley Hospital, North Shore Medical Center and Faulkner Hospital (all eight of these hospitals were covered under MGB’s ethics board reference, no. 2020P002673, and informed consent was waived by the instititional review board (IRB). Similarly, participation of the remaining sites was approved by their respective relevant institutional review processes: Children’s National Hospital in Washington, DC (no. 00014310, IRB certified exempt); NIHR Cambridge Biomedical Research Centre (no. 20/SW/0140, informed consent waived); The Self-Defense Forces Central Hospital in Tokyo (no. 02-014, informed consent waived); National Taiwan University MeDA Lab and MAHC and Taiwan National Health Insurance Administration (no. 202108026 W, informed consent waived); Tri-Service General Hospital in Taiwan (no. B202105136, informed consent waived); Kyungpook National University Hospital in South Korea (no. KNUH 2020-05-022, informed consent waived); Faculty of Medicine, Chulalongkorn University in Thailand (nos. 490/63, 291/63, informed consent waived); Diagnosticos da America SA in Brazil (no. 26118819.3.0000.5505, informed consent waived); University of California, San Francisco (no. 20-30447, informed consent waived); VA San Diego (no. H200086, IRB certified exempt); University of Toronto (no. 20-0162-C, informed consent waived); National Institutes of Health in Bethesda, Maryland (no. 12-CC-0075, informed consent waived); University of Wisconsin-Madison School of Medicine and Public Health (no. 2016-0418, informed consent waived); Memorial Sloan Kettering Cancer Center in New York (no. 20-194, informed consent waived); and Mount Sinai Health System in New York (no. IRB-20-03271, informed consent waived). MI-CLAIM guidelines for reporting of clinical AI models were followed (Supplementary Note ) 2 Undersøgelse af Setting The study included data from 20 institutions (Fig. ): MGB, MGH, Brigham and Women's Hospital, Newton-Wellesley Hospital, North Shore Medical Center og Faulkner Hospital; Children's National Hospital i Washington, DC; NIHR Cambridge Biomedical Research Centre; The Self-Defense Forces Central Hospital i Tokyo; National Taiwan University MeDA Lab og MAHC og Taiwan National Health Insurance Administration; Tri-Service General Hospital i Taiwan; Kyungpook National University Hospital i Sydkorea; Faculty of Medicine, Chulalongkorn University i Thailand; Diagnosticos da America SA i Brasilien; University of California, San Francisco; VA San Diego; University of Toronto; National Institutes of Health i Bethesda, Maryland; University of Wisconsin-Madison School of Medicine and Public Health; Memorial Sloan Kettering Cancer Center i New York; og Mount Sin , , Data fra tre uafhængige steder blev brugt til uafhængig validering: CDH, MVH og NCH, alle i Massachusetts, USA. Disse tre hospitaler havde patientpopulationsegenskaber, der adskilte sig fra træningsstederne. 1a 61 62 63 Data collection The 20 client sites prepared a total of 16,148 cases (both positive and negative) for the purposes of training, validation and testing of the model (Fig. ) Der blev indsamlet medicinske data vedrørende patienter, der opfyldte kriterierne for inddragelse i undersøgelsen. Klientsiderne bestræbte sig på at inkludere alle COVID-positive tilfælde fra pandemien begyndte i december 2019 og indtil det tidspunkt, hvor de startede lokal uddannelse til EXAM-studien.Al lokal uddannelse var begyndt den 30. september 2020.Siderne inkluderede også andre patienter i samme periode med negative RT-PCR-testresultater.Da de fleste steder havde flere SARS-COV-2-negative end -positive patienter, begrænsede vi antallet af inkluderede negative patienter til højst 95% af de samlede tilfælde på hvert klientsted. 1B En 'sag' omfattede en CXR og de nødvendige dataindtastninger taget fra patientens medicinske journal. En opdeling af datasætets kohortstørrelse for hvert klientsted er vist i figur. . The distribution and patterns of CXR image intensity (pixel values) varied greatly among sites owing to a multitude of patient- and site-specific factors, such as different device manufacturers and imaging protocols, as shown in Fig. Patientens alder og EMR-funktionsfordeling varierede meget mellem lokaliteterne, som forventet på grund af de forskellige demografier mellem globalt distribuerede hospitaler (Extended Data Fig. ). 1b 1 C og D 6 Patient inclusion criteria Patient inclusion criteria were: (1) patient presented to the hospital’s ED or equivalent; (2) patient had a RT–PCR test performed at any time between presentation to the ED and discharge from the hospital; (3) patient had a CXR in the ED; and (4) patient’s record had at least five of the EMR values detailed in Table , all obtained in the ED, and the relevant outcomes captured during hospitalization. Of note, The CXR, laboratory results and vitals used were the first available for capture during the visit to the ED. The model did not incorporate any CXR, laboratory results or vitals acquired after leaving the ED. 1 Indtastningsmodel I alt blev 21 EMR-funktioner anvendt som input til modellen.Resultatets (dvs. jordens sandhed) etiketter blev tildelt baseret på patientens behov efter 24- og 72-timers perioder fra indledende optagelse til ED. En detaljeret liste over de ønskede EMR-funktioner og resultater kan ses i tabel . 1 The distribution of oxygen treatment using different devices at different client sites is shown in Extended Data Fig. , som detaljerer enhedens brug ved optagelse til ED og efter 24- og 72-timers perioder. Forskellen i datasætfordelingen mellem de største og mindste klientwebsteder kan ses i Extended Data Fig. . 7 8 Antallet af positive tilfælde af COVID-19, som bekræftet ved en enkelt RT-PCR-test opnået på et hvilket som helst tidspunkt mellem præsentation til ED og udledning fra hospitalet, er anført i supplerende tabel. . Each client site was asked to randomly split its dataset into three parts: 70% for training, 10% for validation and 20% for testing. For both 24- and 72-h outcome prediction models, random splits for each of the three repeated local and FL training and evaluation experiments were independently generated. 1 EXAM model development Der er store variationer i det kliniske forløb af patienter, der er indlagt på hospitalet med symptomer på COVID-19, og nogle oplever hurtig forringelse af respiratorisk funktion, der kræver forskellige interventioner for at forebygge eller mindske hypoxæmi. , En afgørende beslutning, der træffes under evalueringen af en patient på det indledende plejepunkt, eller i ED, er, om patienten sandsynligvis vil kræve mere invasive eller ressourcebegrænsede modforanstaltninger eller interventioner (såsom MV eller monoklonale antistoffer), og derfor skal modtage en sjælden, men effektiv terapi, en terapi med et smalt risiko-nytteforhold på grund af bivirkninger eller et højere niveau af pleje, såsom optagelse i intensivplejeenheden. . In contrast, a patient who is at lower risk of requiring invasive oxygen therapy may be placed in a less intensive care setting such as a regular ward, or even released from the ED for continuing self-monitoring at home EXAM blev udviklet for at hjælpe med at screene sådanne patienter. 62 63 64 65 Bemærk, at modellen ikke er godkendt af nogen regulerende myndighed på dette tidspunkt, og den bør kun bruges til forskning. EXAM score EXAM was trained using FL; it outputs a risk score (termed EXAM score) similar to CORISK (Extended Data Fig. Det svarer til patientens iltunderstøttelsesbehov inden for to vinduer – 24 og 72 timer – efter første præsentation til ED. illustrates how CORISK and the EXAM score can be used for patient triage. 27 9a 9b Bryst røntgenbilleder blev forbehandlet for at vælge den forreste position billedet og udelukke laterale visningsbilleder, og derefter skaleret til en opløsning på 224 × 224. , modellen fusionerer oplysninger fra både EMR og CXR funktioner (baseret på en modificeret ResNet34 med rumlig opmærksomhed Prætrained på CheXpert datasæt) and the Deep & Cross network For at konvergere disse forskellige datatyper blev en 512-dimensionel funktionsvektor udvundet fra hvert CXR-billede ved hjælp af en forudtrænet ResNet34, med rumlig opmærksomhed, og derefter sammenkoblet med EMR-funktionerne som input for Deep & Cross-netværket. Vi brugte cross-entropy som tabsfunktionen og ‘Adam’ som optimeringen. Brug af NVIDIA Clara Train SDK Den gennemsnitlige AUC for klassificeringsopgaverne (≥LFO, ≥HFO/NIV eller ≥MV) blev beregnet og anvendt som den endelige evalueringsmetrik med normalisering til nul-medium og enhedsvarians. ) af 9a 66 67 68 9b 69 70 27 Funktionel imputation og normalisering En misforest algoritme was used to impute EMR features, based on the local training dataset. If an EMR feature was completely missing from a client site dataset, the mean value of that feature, calculated exclusively on data from MGB client sites, was used. Then, EMR features were rescaled to zero-mean and unit variance based on statistics calculated on data from the MGB client sites. 71 Oplysninger om EMR-CXR-datafusion ved hjælp af Deep & Cross-netværket For at modellere interaktionen mellem funktioner fra EMR- og CXR-data på case-niveau blev der anvendt et deep-feature-system baseret på en Deep & Cross-netværksarkitektur. Binære og kategoriske funktioner til EMR-indtastningerne samt 512-dimensionelle billedfunktioner i CXR blev omdannet til fusionerede tætte vektorer af reelle værdier ved at indlejre og stable lag. De transformerede tætte vektorer tjente som input til fusionskrammen, som specifikt anvendte et krydsningsnetværk til at håndhæve fusion mellem input fra forskellige kilder. Det krydsningsnetværk udførte eksplicit krydsning af funktion inden for sine lag ved at føre indre produkter mellem den oprindelige inputfunktion og output fra det foregående lag, hvilket øgede graden af interaktion mellem funktioner. På samme tid blev to individuelle klassiske dybe neurale netværk med flere stablede, fuldt forbundne feed-forward-lag trænet. 68 FL detaljer Arguably the most established form of FL is implemention of the federated averaging algorithm as proposed by McMahan et al. , eller variationer heraf. Denne algoritme kan realiseres ved hjælp af en klient-server opsætning, hvor hvert deltagende websted fungerer som en klient. Man kan tænke på FL som en metode, der sigter mod at minimere en global tabsfunktion ved at reducere et sæt lokale tabsfunktioner, som estimeres på hvert websted. Ved at minimere hvert klient-sites lokale tab samtidig med at synkronisere den lærte klient-sitesvægt på en centraliseret aggregationsserver, kan man minimere det globale tab uden at skulle få adgang til hele datasættet på et centraliseret sted. Hvert klient-websted lærer lokalt og deler modelvægt opdateringer med en central server, der aggregerer bidrag ved hjælp af sikre sockets lag kryptering og kommunikationsprotokoller. Serveren sender derefter et opdateret sæt af væ ). 72 9c A pseudoalgorithm of FL is shown in Supplementary Note I vores eksperimenter satte vi antallet af fødererede runder på = 200, med en lokal træningsperiode pr. runde at each client. The number of clients, , was up to 20 depending on the network connectivity of clients or available data for a specific targeted outcome period (24 or 72 h). The number of local training iterations, , depends on the dataset size at each client og bruges til at veje hver kundes bidrag, når man aggregerer modelvægten i fødereret gennemsnit. Under FL-træningsopgaven vælger hvert klientsted sin bedste lokale model ved at spore modellens ydeevne på sit lokale valideringssæt. På samme tid bestemmer serveren den bedste globale model baseret på de gennemsnitlige valideringsresultater, der sendes fra hvert klientsted til serveren efter hver FL-runde. Efter FL-træningens afslutning deles de bedste lokale modeller og den bedste globale model automatisk med alle klientwebsteder og evalueres på deres lokale testdata. 1 T t K nk k When training on local data only (the baseline), we set the epoch number to 200. The Adam optimizer was used for both local training and FL with an initial learning rate of 5 × 10–5 and a stepwise learning rate decay with a factor 0.5 after every 40 epochs, which is important for the convergence of federated averaging . Random affine transformations, including rotation, translations, shear, scaling and random intensity noise and shifts, were applied to the images for data augmentation during training. 73 På grund af følsomheden af BN lag Når vi beskæftiger os med forskellige klienter i en ikke-uafhængig og identisk distribueret indstilling, fandt vi, at den bedste modelpræstation opstod, når man holdt den forududdannede ResNet34 med rumlig opmærksomhed parameters fixed during FL training (that is, using a learning rate of zero for those layers). The Deep & Cross network that combines image features with EMR features does not contain BN layers and hence was not affected by BN instability issues. 58 47 I denne undersøgelse undersøgte vi en privatlivsbevarende ordning, der kun deler delvise modelopdateringer mellem server og klientwebsteder. Vægtopdateringerne blev placeret under hver iteration efter bidragets størrelse, og kun en vis procentdel af de største vægtopdateringer blev delt med serveren. For at være præcis, blev vægtopdateringer (også kendt som gradienter) kun delt, hvis deres absolutte værdi var over en bestemt percentil tærskel. (Extended Data Fig. ), which was computed from all non-zero gradients, Δ Det kan være anderledes for hver enkelt kunde I hver runde Variationer af denne ordning kan omfatte yderligere klipning af store gradienter eller differentielle privatlivsordninger that add random noise to the gradients, or even to the raw data, before feeding into the network . k 5 Wk(t) k t 49 51 Statistisk analyse We conducted a Wilcoxon signed-rank test to confirm the significance of the observed improvement in performance between the locally trained model and the FL model for the 24- and 72-h time points (Fig. og udvidede data. ). The null hypothesis was rejected with one-sided 1 × 10–3 i begge tilfælde. 2 1 P Pearsons korrelation blev brugt til at vurdere generaliserbarheden (robustheden af den gennemsnitlige AUC-værdi til andre klientsteders testdata) af lokalt uddannede modeller i forhold til den respektive lokale datasætstørrelse. Det er 0,43 = 0,035, frihedsgrader (df) = 17 for 24-timersmodellen og Det er 0,62 = 0,003, df = 16 for 72-h-modellen).Dette indikerer, at datasætstørrelsen alene ikke er den eneste faktor, der bestemmer, hvor robust en model er over for usynlige data. r P r P For at sammenligne ROC-kurver fra den globale FL-model og lokale modeller trænet på forskellige steder (Extended Data Fig. ), vi bootstrapped 1.000 prøver fra dataene og beregnet de resulterende AUCs. vi derefter beregnet forskellen mellem de to serier og standardiseret ved hjælp af formlen = (AUC1 og AUC2) Hvor hvor is the standardized difference, is the standard deviation of the bootstrap differences and AUC1 and AUC2 are the corresponding bootstrapped AUC series. By comparing with normal distribution, we obtained the Værdier illustreret i supplerende tabel Resultaterne viser, at nulhypotesen blev afvist med meget lav værdier, der angiver den statistiske signifikans af overlegenheden af FL-resultater. values was conducted in R with the pROC library . 3 D s D s D P 2 P P 74 Since the model predicts a discrete outcome, a continuous score from 0 to 1, a straightforward calibration evaluation such as a qqplot is not possible. Hence, for a quantified estimate of calibration we quantified discrimination (Extended Data Fig. ). We conducted one-way analysis of variation (ANOVA) tests to compare local and FL model scores among four ground truth categories (RA, LFO, HFO, MV). The -statistic, calculated as the variation between the sample means divided by variation within the samples and representing the degree of dispersion among different groups, was used to quantify the models. Our results show that the -values of five different local sites are 245.7, 253.4, 342.3, 389.8 and 634.8, while that of the FL model is 843.5. Given that larger -values mean that groups are more separable, the scores from our FL model clearly show a greater dispersion among the four ground truth categories. Furthermore, the værdien af ANOVA-testen på FL-modellen er <2 × 10-16, hvilket indikerer, at FL-forudsigelsesresultaterne er statistisk signifikant forskellige mellem de forskellige forudsigelsesklasser. 10 F F F P Reporting Summary Further information on research design is available in the linked to this article. Nature Research Reporting Summary Data availability Disse data blev brugt til uddannelse på hvert af de lokale steder og blev ikke delt med nogen af de andre deltagende institutioner eller med den fødererede server, og de er ikke offentligt tilgængelige. Data fra de uafhængige valideringssteder vedligeholdes af CAMCA, og adgang kan anmodes om ved at kontakte Q.L. Baseret på bestemmelse af CAMCA, kan en data-deling gennemgang og ændring af IRB til forskningsformål udføres af MGB forskning administration og i overensstemmelse med MGB IRB og politik. Kode tilgængelighed Alle koder og software, der anvendes i denne undersøgelse, er offentligt tilgængelige på NGC. For at få adgang til, logge ind som gæst eller oprette en profil skal du indtaste en af nedenstående URL'er. De uddannede modeller, retningslinjer for dataforberedelse, koder til uddannelse, validering af test af modellen, readme-fil, installationsvejledning og licensfiler er offentligt tilgængelige på NVIDIA NGC : af Den fødererede læringssoftware er tilgængelig som en del af Clara Train SDK: . Alternatively, use this command to download the model “wget --content-disposition -O clara_train_covid19_exam_ehr_xray_1.zip”. 61 https://ngc.nvidia.com/catalog/models/nvidia:med:clara_train_covid19_exam_ehr_xray https://ngc.nvidia.com/catalog/containers/nvidia:clara-train-sdk https://api.ngc.nvidia.com/v2/models/nvidia/med/clara_train_covid19_exam_ehr_xray/versions/1/zip References Budd, J. et al. Digital technologies in the public-health response to COVID-19. , 1183–1192 (2020). Nat. Med. 26 Moorthy, V., Henao Restrepo, A. M., Preziosi, M.-P. & Swaminathan, S. Data sharing for novel coronavirus (COVID-19). , 150 (2020). Bull. World Health Organ. 98 Chen, Q., Allot, A. & Lu, Z. Keep up with the latest coronavirus research. , 193 (2020). Nature 579 Fabbri, F., Bhatia, A., Mayer, A., Schlotter, B. & Kaiser, J. BCG IT spend pulse: how COVID-19 is shifting tech priorities. (2020). https://www.bcg.com/publications/2020/how-covid-19-is-shifting-big-it-spend Candelon, F., Reichert, T., Duranton, S., di Carlo, R. C. & De Bondt, M. The rise of the AI-powered company in the postcrisis world. (2020). https://www.bcg.com/en-gb/publications/2020/business-applications-artificial-intelligence-post-covid Chao, H. et al. Integrative analysis for COVID-19 patient outcome prediction. , 101844 (2021). Med. Image Anal. 67 Zhu, X. et al. Joint prediction and time estimation of COVID-19 developing severe symptoms using chest CT scan. , 101824 (2021). Med. Image Anal. 67 Yang, D. et al. Federated semi-supervised learning for Covid region segmentation in chest ct using multi-national data from China, Italy, Japan. , 101992 (2021). Med. Image Anal. 70 Minaee, S., Kafieh, R., Sonka, M., Yazdani, S. & Jamalipour Soufi, G. Deep-COVID: predicting COVID-19 from chest X-ray images using deep transfer learning. , 101794 (2020). Med. Image Anal. 65 COVID-19 Studies from the World Health Organization Database. (2020). https://clinicaltrials.gov/ct2/who_table ACTIV. (2020). https://www.nih.gov/research-training/medical-research-initiatives/activ Coronavirus Treatment Acceleration Program (CTAP). US Food and Drug Administration (2020). https://www.fda.gov/drugs/coronavirus-covid-19-drugs/coronavirus-treatment-acceleration-program-ctap Gleeson, P., Davison, A. P., Silver, R. A. & Ascoli, G. A. A commitment to open source in neuroscience. , 964–965 (2017). Neuron 96 Piwowar, H. et al. The state of OA: a large-scale analysis of the prevalence and impact of open access articles. , e4375 (2018). PeerJ. 6 European Society of Radiology (ESR). What the radiologist should know about artificial intelligence – an ESR white paper. , 44 (2019). Insights Imaging 10 Pesapane, F., Codari, M. & Sardanelli, F. Artificial intelligence in medical imaging: threat or opportunity? Radiologists again at the forefront of innovation in medicine. , 35 (2018). Eur. Radiol. Exp. 2 Price, W. N. 2nd & Cohen, I. G. Privacy in the age of medical big data. , 37–43 (2019). Nat. Med. 25 Liang, W. et al. Development and validation of a clinical risk score to predict the occurrence of critical illness in hospitalized patients with COVID-19. , 1081–1089 (2020). JAMA Intern. Med. 180 Wynants, L. et al. Prediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal. , m1328 (2020). Brit. Med. J. 369 Zhang, L. et al. D-dimer levels on admission to predict in-hospital mortality in patients with Covid-19. , 1324–1329 (2020). J. Thromb. Haemost. 18 Sands, K. E. et al. Patient characteristics and admitting vital signs associated with coronavirus disease 2019 (COVID-19)-related mortality among patients admitted with noncritical illness. (2020). https://doi.org/10.1017/ice.2020.461 American College of Radiology. CR recommendations for the use of chest radiography and computed tomography (CT) for suspected COVID-19 infection. (2020). https://www.acr.org/Advocacy-and-Economics/ACR-Position-Statements/Recommendations-for-Chest-Radiography-and-CT-for-Suspected-COVID19-Infection Rubin, G. D. et al. The role of chest imaging in patient management during the COVID-19 pandemic: a multinational consensus statement from the Fleischner Society. , 172–180 (2020). Radiology 296 World Health Organization. Use of chest imaging in COVID-19. (2020). https://www.who.int/publications/i/item/use-of-chest-imaging-in-covid-19 Jamil, S. et al. Diagnosis and management of COVID-19 disease. , 10 (2020). Am. J. Respir. Crit. Care Med. 201 Redmond, C. E., Nicolaou, S., Berger, F. H., Sheikh, A. M. & Patlas, M. N. Emergency radiology during the COVID-19 pandemic: The Canadian Association of Radiologists Recommendations for Practice. , 425–430 (2020). Can. Assoc. Radiologists J. 71 Buch, V. et al. Development and validation of a deep learning model for prediction of severe outcomes in suspected COVID-19 Infection. Preprint at (2021). https://arxiv.org/abs/2103.11269 Lyons, C. & Callaghan, M. The use of high-flow nasal oxygen in COVID-19. , 843–847 (2020). Anaesthesia 75 Whittle, J. S., Pavlov, I., Sacchetti, A. D., Atwood, C. & Rosenberg, M. S. Respiratory support for adult patients with COVID-19. , 95–101 (2020). J. Am. Coll. Emerg. Physicians Open 1 Ai, J., Li, Y., Zhou, X. & Zhang, W. COVID-19: treating and managing severe cases. , 370–371 (2020). Cell Res. 30 Esteva, A. et al. A guide to deep learning in healthcare. , 24–29 (2019). Nat. Med. 25 Cahan, E. M., Hernandez-Boussard, T., Thadaney-Israni, S. & Rubin, D. L. Putting the data before the algorithm in big data addressing personalized healthcare. , 78 (2019). NPJ Digit. Med. 2 Thrall, J. H. et al. Artificial intelligence and machine learning in radiology: opportunities, challenges, pitfalls, and criteria for success. , 504–508 (2018). J. Am. Coll. Radiol. 15 Shilo, S., Rossman, H. & Segal, E. Axes of a revolution: challenges and promises of big data in healthcare. , 29–38 (2020). Nat. Med. 26 Gao, Y. & Cui, Y. Deep transfer learning for reducing health care disparities arising from biomedical data inequality. , 5131 (2020). Nat. Commun. 11 Rieke, N. et al. The future of digital health with federated learning. , 119 (2020). NPJ Dig. Med. 3 Yang, Q., Liu, Y., Chen, T. & Tong, Y. Federated machine learning: concept and applications. , 12 (2019). ACM Trans. Intell. Syst. Technol. 10 Ma, C. et al. On safeguarding privacy and security in the framework of federated learning. , 242–248 (2020). IEEE Netw. 34 Brisimi, T. S. et al. Federated learning of predictive models from federated Electronic Health Records. , 59–67 (2018). Int. J. Med. Inform. 112 Roth, H. R. et al. Federated learning for breast density classification: a real-world implementation. In , (eds. Albarqouni, S. et al.) Vol. 12,444, 181–191 (Springer International Publishing, 2020). Proc. Second MICCAI Workshop, DART 2020 and First MICCAI Workshop, DCL 2020 Domain Adaptation and Representation Transfer, and Distributed and Collaborative Learning Sheller, M. J. et al. Federated learning in medicine: facilitating multi-institutional collaborations without sharing patient data. , 12598 (2020). Sci. Rep. 10 Remedios, S. W., Butman, J. A., Landman, B. A. & Pham, D. L. in (eds Remedios, S. W. et al.) (Springer, 2020). Federated Gradient Averaging for Multi-Site Training with Momentum-Based Optimizers Xu, Y. et al. A collaborative online AI engine for CT-based COVID-19 diagnosis. Preprint at (2020). https://www.medrxiv.org/content/10.1101/2020.05.10.20096073v2 Raisaro, J. L. et al. SCOR: A secure international informatics infrastructure to investigate COVID-19. , 1721–1726 (2020). J. Am. Med. Inform. Assoc. 27 Vaid, A. et al. Federated learning of electronic health records to improve mortality prediction in hospitalized patients with COVID-19: machine learning approach. , e24207 (2021). JMIR Med. Inform. 9 Nino, G. et al. Pediatric lung imaging features of COVID-19: a systematic review and meta-analysis. , 252–263 (2021). Pediatr. Pulmonol. 56 Fredrikson, M., Jha, S. & Ristenpart, T. Model inversion attacks that exploit confidence information and basic countermeasures. In 1322–1333, (2015). Proc. 22nd ACM SIGSAC Conference on Computer and Communications Security https://doi.org/10.1145/2810103.2813677 Zhu, L., Liu, Z. & Han, S. in (eds Wallach, H. et al.) 14774–14784 (Curran Associates, Inc., 2019). Advances in Neural Information Processing Systems 32 Kaissis, G. A., Makowski, M. R., Rückert, D. & Braren, R. F. Secure, privacy-preserving and federated machine learning in medical imaging. , 305–311 (2020). Nat. Mach. Intell. 2 Li, W. et al. in 133–141 (Springer, 2019). Privacy-Preserving Federated Brain Tumour Segmentation Shokri, R. & Shmatikov, V. Privacy-preserving deep learning. In (2015). Proc. 53rd Annual Allerton Conference on Communication, Control, and Computing (Allerton) https://doi.org/10.1109/allerton.2015.7447103 Li, X. et al. Multi-site fMRI analysis using privacy-preserving federated learning and domain adaptation: ABIDE results. , 101765 (2020). Med. Image Anal. 65 Estiri, H. et al. Predicting COVID-19 mortality with electronic medical records. , 15 (2021). NPJ Dig. Med. 4 Jiang, G. et al. Harmonization of detailed clinical models with clinical study data standards. , 65–74 (2015). Methods Inf. Med. 54 Yang, D. et al. in . (2019). Searching Learning Strategy with Reinforcement Learning for 3D Medical Image Segmentation https://doi.org/10.1007/978-3-030-32245-8_1 Elsken, T., Metzen, J. H. & Hutter, F. Neural architecture search: a survey. , 1–21 (2019). J. Mach. Learning Res. 20 Yao, Q. et al. Taking human out of learning applications: a survey on automated machine learning. Preprint at (2019). https://arxiv.org/abs/1810.13306 Ioffe, S. & Szegedy, C. Batch normalization: accelerating deep network training by reducing internal covariate shift. In , PMLR , 448–456 (2015). Proc. 32nd International Conf. Machine Learning 37 Kaufman, S., Rosset, S. & Perlich, C. Leakage in data mining: formulation, detection, and avoidance. In , 556–563 (2011). Proc. 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Zhang, C. et al. BatchCrypt: efficient homomorphic encryption for cross-silo federated learning. In , 493–506 (2020). Proc. 2020 USENIX Annual Technical Conference, ATC 2020 . (2020). Nvidia NGC Catalog: COVID-19 Related Models https://ngc.nvidia.com/catalog/models?orderBy=scoreDESC&pageNumber=0&query=covid&quickFilter=models&filters Marini, J. J. & Gattinoni, L. Management of COVID-19 respiratory distress. , 2329–2330 (2020). JAMA 323 Cook, T. M. et al. Consensus guidelines for managing the airway in patients with COVID-19: Guidelines from the Difficult Airway Society, the Association of Anaesthetists the Intensive Care Society, the Faculty of Intensive Care Medicine and the Royal College of Anaesthetist. , 785–799 (2020). Anaesthesia 75 Galloway, J. B. et al. A clinical risk score to identify patients with COVID-19 at high risk of critical care admission or death: an observational cohort study. , 282–288 (2020). J. Infect. 81 Kilaru, A. S. et al. Return hospital admissions among 1419 COVID-19 patients discharged from five U.S. emergency departments. , 1039–1042 (2020). Acad. Emerg. Med. 27 He, K., Zhang, X., Ren, S. & Sun, J. Deep residual learning for image recognition. In (2016). Proc. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) https://doi.org/10.1109/cvpr.2016.90 Irvin, J. et al. CheXpert: a large chest radiograph dataset with uncertainty labels and expert comparison. , 590–597 (2019). Proc. AAAI Conf. Artif. Intell. 33 Wang, R., Fu, B., Fu, G. & Wang, M. Deep & Cross network for Ad Click predictions. In Article no. 12 (2017). Proc. ADKDD’17 Abadi, M. et al. TensorFlow: asystem for large-scale machine learning. In , USENIX Association 265–283 (2016). 12th USENIX Symposium on Operating Systems Design and Implementation (OSDI 16) . (2020). NVIDIA Clara Imaging https://developer.nvidia.com/clara-medical-imaging Stekhoven, D. J. & Bühlmann, P. MissForest–non-parametric missing value imputation for mixed-type data. , 112–118 (2012). Bioinformatics 28 McMahan, H., Moore, E., Ramage, D., Hampson, S. & y Arcas, B. A. Communication-efficient learning of deep networks from decentralized data. (2017). http://proceedings.mlr.press/v54/mcmahan17a.html Hsieh, K., Phanishayee, A., Mutlu, O. & Gibbons, P. B. The non-IID data quagmire of decentralized machine learning. In PMLR 119 (2020). Proc. 37th International Conf. Machine Learning Robin, X. et al. pROC: an open-source package for R and S+ to analyze and compare ROC curves. , 77 (2011). BMC Bioinformatics 12 Anerkendelser MGB takker følgende personer for deres støtte: J. Brink, Department of Radiology, Massachusetts General Hospital, Boston, MA; N. Guo, Center for Advanced Medical Computing and Analysis, Department of Radiology, Massachusetts General Hospital, Department of Radiology, Massachusetts General Hospital, Harvard Medical School, Boston, MA; J. K. Cramer, Center for Clinical Data Science, Massachusetts General Brigham, Boston, MA; T. Schultz, Department of Radiology, Massachusetts General Hospital, Boston, MA; N. Guo, Center for Advanced Medical Computing and Analysis, Department of Radiology, Massachusetts General Hospital, Harvard Medical School, Boston, MA; MA J. K. Cramer, Director, QTIM Research, dette laboratorium på Athula Harvard A. Martinos Center for Biomical Imaging på MGH; S. Pomantzer, Department of Radiology Ved fakultetet for medicin takker Chulalongkorn University Ratchadapisek Sompoch Endowment Fund RA (PO) (nr. 001/63) for indsamling og forvaltning af COVID-19-relaterede kliniske data og biologiske prøver til forskningsarbejdsgruppen, fakultetet for medicin, Chulalongkorn University. NIHR Cambridge Biomedical Research Center takker A. Priest, som støttes af NIHR (Cambridge Biomedical Research Centre at Cambridge University Hospitals NHS Foundation Trust). National Taiwan University MeDA Lab og MAHC og Taiwan National Health Insurance Administration takker MOST Joint Research Center for AI-teknologi, All Vista Healthcare National Health Insurance Administration, Taiwan, Ministry of Science and Technology, og Taiwan National Center for Research for Theoretical Sciences Mathematics Division. National Institutes of Health https://data.ucsf.edu/covid19 Denne artikel er tilgængelig i naturen under CC by 4.0 Deed (Attribution 4.0 International) licens. Denne artikel er tilgængelig i naturen under CC by 4.0 Deed (Attribution 4.0 International) licens.
