Un progetto di: HEAL ITALIA, Università di Bologna e Università di Verona
Swarm Learning (SL) è stato recentemente proposto per l’apprendimento distribuito, dove un gruppo di centri individuali esegue un addestramento sincronizzato.
A differenza dei modelli di machine learning tradizionali che si basano su un server centrale, l’apprendimento swarm distribuisce il processo di apprendimento su più nodi. Ogni nodo elabora i dati in modo indipendente e contribuisce all’attività di apprendimento complessiva. Questa collaborazione consente al network di beneficiare dei dati differenti di ciascun nodo.
A differenza dell’apprendimento federato, i parametri del modello non sono gestiti da un server centrale, ma sono gestiti casualmente da ciascun nodo individuale. L’attenzione intrinseca dell’apprendimento swarm alla privacy dei dati lo rende adatto per l’analisi sanitaria distribuita, dove un centro clinico vuole beneficiare di tutti gli altri nella rete.
Tuttavia, il beneficio per un singolo centro o per l’intera rete potrebbe variare a seconda della distribuzione dei dati. In questo progetto, si vogliono analizzare le prestazioni dell’apprendimento swarm in una rete con più nodi, considerando diversi scenari di distribuzione dei dati. Questa analisi vuole mostrare il guadagno dell’intera rete swarm su scenari che simulano situazioni ospedaliere reali, dove ogni centro ha una distribuzione di dati diversa rispetto agli altri nodi.
Obiettivi e benefici
Tale progetto mira ad avere una analisi sistematica delle performance di swarm learning in base alle varie casistiche e distribuzioni di dati clinici in un contesto reale, in cui diversi ospedali collaborano per avere un modello di machine learning che predice una certa patologia.
Tecnologie abilitanti
Il progetto fa uso di Big Data per sviluppare modelli di Deep Learning. In particolare, in questo progetto viene utilizzato il database MIMIC (Medical Information Mart for Intensive Care) – una raccolta di dati clinici anonimi provenienti da pazienti ricoverati in unità di terapia intensiva, progettata per supportare la ricerca e l’analisi delle cure intensive attraverso l’uso di informazioni mediche dettagliate e di alta qualità.