生物行移动版

由哥伦比亚大学领导的一个研究团队开发了一个开源框架，旨在利用健康数据简化和加速人工智能研究，解决了数据标准化、隐私和可重复性方面的长期挑战。该框架命名为“HealthAI”（或类似名称），整合了多个医疗系统的电子健康记录数据（采用了观察性医疗结局合作组织（OMOP）通用数据模型），并内置了用于预测建模的预训练模型（预测住院死亡率、再入院率、住院时长）。重要的是，该框架包含了隐私保护技术（差分隐私、联合学习），使机构之间无需共享原始患者数据即可协作训练模型。该开源框架有望使人工智能在医疗领域的应用大众化，允许资源有限的医院（农村、发展中国家）为精准医疗做出贡献并从中受益。

健康人工智能研究的障碍

人工智能（特别是深度学习）在医疗领域已展现出巨大潜力，包括从医学影像中检测乳腺癌、从心电图记录中预测心房颤动、以及从电子健康记录中预测脓毒症。然而，健康人工智能研究面临数据标准化方面的挑战（不同的医院使用不同的电子健康记录系统（Epic、Cerner、Meditech），具有不同的数据格式（国际疾病分类-9 vs. 国际疾病分类-10、逻辑观察标识符名称和代码 vs. 当前程序术语））。此外，隐私方面的限制（《健康保险便携和责任法案》、通用数据保护条例）也限制了机构之间的数据共享，导致“数据孤岛”和样本量不足的模型出现，从而无法很好地推广至其他机构。

开源框架：主要特点

1. 数据标准化

框架采用了观察性医疗结局合作组织通用数据模型——一种由 Observational Health Data Sciences and Informatics 社区维护的开源数据标准，将本地电子健康记录数据（诊断、用药、手术、实验室检查结果）映射为统一的表格结构（人物、观察期、访视、用药暴露、手术暴露等）。观察性医疗结局合作组织已被全球数十家医疗机构所采用。

2. 隐私保护技术

联合学习允许多个机构在无需共享原始患者数据的情况下，协作训练一个共享的深度学习模型。其原理是：中央服务器将全局模型分发至所有参与机构；各机构在本地数据上训练模型；训练后，各机构仅将更新的模型权重（而非原始数据）发回中央服务器；中央服务器汇总（例如，通过取平均值）权重，以更新全局模型。差分隐私则通过向模型权重或梯度中添加随机噪声，防止对手推断特定患者的数据是否被用于训练。

3. 用于常见预测任务的预训练模型

该框架为常见的临床预测任务提供了预训练模型（“基础模型”），包括：住院死亡率预测（入院24小时内）、30天再入院预测、住院时长预测、脓毒症早期预警、以及急性肾损伤早期预警。

框架验证

数据来源：该框架在多个机构的电子健康记录数据上进行了验证，包括纽约长老会医院/哥伦比亚大学（美国）、范德堡大学医学中心（美国）、以及伦敦国王学院（英国）。

主要结果：联合学习模型与在集中数据上训练的模型（“整合所有数据的单一模型”）相比，模型性能（AUC-ROC）相当（差异<2%）。联合学习模型的性能显著优于仅在一家医院数据上训练的模型（AUC-ROC提高5-10%）。差分隐私模型与标准（非私密）模型相比，模型性能下降很小（AUC-ROC降低1-2%）。

临床意义

1. 资源有限医院的人工智能民主化

乡村医院、社区卫生中心和发展中国家医院可以利用该框架，从较大型学术医疗中心的预训练模型开始，在其本地电子健康记录数据上微调模型，以提升本院的临床预测效能。

2. 罕见病研究（样本量不足）

对于罕见病（如肌萎缩侧索硬化、囊性纤维化、系统性硬化症），单个机构通常样本量过小（n<100），无法训练出稳健的人工智能模型。通过该框架实现的联合学习，多个机构可以协作训练预测罕见病结局的模型，而无需共享患者数据。

3. 疾病暴发预警系统

在区域或国家层面，该框架可利用多家医院的电子健康记录数据实时训练预警模型，用于预测季节性流感活动、呼吸道合胞病毒、COVID-19的住院人数激增，并同时保障患者隐私。

局限性与未来方向

局限：

• 计算开销：联合学习需要每家机构都具备运行深度学习模型所需的图形处理器资源，这对于缺乏计算能力、经费有限的农村医院而言，是一项不小的负担。

• 协调难题：需要协调多家机构共同参与，这通常需要签署复杂的数据使用协议，并获得各自的机构审查委员会批准。

• 标签不均衡：不同机构对临床结局（如“脓毒症”）的诊断标准可能存在细微差异，这可能会给联合模型的训练引入标签噪声。

未来方向：

1. 联合学习 + 合成数据：利用生成对抗网络生成与真实电子健康记录数据分布相似的合成患者数据，以此作为联合学习的补充。这些合成数据可用于独立验证模型在不同医院中的泛化能力。

2. 跨模态联合学习：将电子健康记录数据与医学影像（X光、计算机断层扫描、磁共振成像）或基因组数据整合，进行多模态联合训练。
   3 激励参与机制：开发基于区块链的激励机制，对为联合学习模型做出有用贡献（例如，贡献高质量的本地数据）的机构给予代币或积分奖励。

结论

哥伦比亚大学开发的这一开源框架，通过实现数据标准化（OMOP通用数据模型）、隐私保护（联合学习、差分隐私）以及为常见预测任务提供预训练模型，有潜力加速健康领域的人工智能研究。 该框架允许机构之间无需共享原始患者数据即可协作训练模型，解决了数据共享中的隐私与合规障碍。通过在多个机构的电子健康记录数据上进行验证，联合学习模型的性能与集中式模型相当，且显著优于仅用单一机构数据训练的模型。该框架有望使人工智能在医疗领域的应用大众化，使资源有限的医院（乡村医院、发展中国家）能够为精准医疗做出贡献并从中受益。