腾讯医疗与微众银行成立联合实验室，利用联邦学习解决隐私问题。
2019年8月21日，腾讯医疗与微众银行宣布成立联合实验室，结合腾讯天眼实验室在医学影像方面的专业知识、医疗机器学习、自然语言处理的技术积累，以及微众银行AI团队的领先技术在联邦学习方面，双方将共同攻克医疗联邦学习，打造隐私保护数据平台，探索医疗领域智能化。
应用。
腾讯医疗副总裁吴文达博士指出，处理医疗场景中的数据隐私问题至关重要。
技术进步给医疗带来创新的同时，也必须考虑隐私保护，行业才能健康发展，用户才能获得便捷、安全的使用环境。
医疗联邦学习框架为医疗隐私和数据安全带来了新的解决方案。
联合实验室的成立，将有助于双方汇聚技术优势，深化医学联邦学习应用，突破AI+医疗创新技术的落地。
微众银行AI团队是联邦学习技术的领先者。
推动微众银行AI团队牵头开展“联邦学习”研究并将其应用于商业的人是微众银行首席人工智能官杨强·教授。
他也是国际上最早研究“联邦学习”的人工智能专家之一。
杨强教授介少，联邦学习的原理是一种加密的分布式机器学习技术。
各方可以共同构建模型，而无需公开底层数据以及底层数据的加密（混淆）形式。
这也是一种共享学习。
机器学习的制胜之道。
“联邦学习”允许多个参与者进行合作，无需将数据留在本地，也不会泄露隐私，而“迁移学习”则将从现有问题中学到的“知识”转移到新问题上以实现推理。
“联邦迁移学习”将“迁移学习”与“联邦学习”结合起来，帮助不同组织打破障碍，共同构建AI模型。
同时各方数据不离开本地，用户隐私得到最好的保护。
目前，微众银行已在金融、医疗等行业落地新技术。
联合实验室成立后，双方将继续汇集优势和资源，在医学影像辅助诊断、医学大数据、医学机器学习模型等多方面开展深入合作。
双方将研究如何保障多方（如医院、企业等）数据背景下的协作学习，从而打破数据孤岛的限制。
尤其是疫情期间，患者数据绝对隐私的需求阻碍了很多AI技术的落地。
医学联邦学习框架有望成为解决这一问题的“良方”。
微众银行杨强教授介绍表示，基于大数据和人工智能联合实验室合作项目，联合实验室将积极探索医学联邦学习框架下的COVID-19的追踪、诊断和预后，比如疫情常态化中硕源化验和疾病工作中，我们在保护用户隐私的同时探究用户是否存在感染风险，并以绿码和红码的形式进行表征。
此外，联合实验室还将建立基于COVID-19 CT图像联邦学习框架的辅助诊断模型，让世界各地的医院在不泄露隐私的情况下共同学习和建模，从而大大改善病例稀缺的医院。
诊断准确性。
同时，医疗联邦学习作为基础技术框架，可以挖掘和利用医疗健康数据构建不同的医疗场景应用，例如利用联邦学习帮助电子健康卡实现用户隐私保护建模、医保资金管控等。
，以及个人和机构退款。
鉴定等，助力医疗健康产业发展，提高医疗服务质量。
早在去年，腾讯天眼实验室与微众银行就开始在医疗大数据、医学影像辅助诊断等领域合作，通过AI技术赋能的成果转化，有效提升医务工作者的工作效率。
联合实验室研究员赵瑞辉和鞠策联合开发了基于医学联邦学习框架的“脑卒中风险预测模型”。
该模式成功解决了医疗行业的信息孤岛和隐私保护问题，在保护不同医院数据隐私的同时实现了疾病预防。
预测准确，其预测准确率高达80%。
此外，通过联邦学习技术，大型三级医院的数据资源可以帮助医疗服务少、病例少的小型医院提高模型预测指标10-20%。
该作品以论文形式呈现（论文链接：FL-IJCAI'20高分。
同时该作品荣获腾讯十大微创新项目奖。
腾讯天眼实验室负责人郑业峰博士指出，双方建立联合实验室，将有助于加速联邦学习技术在医疗领域的研究和应用，特别是在后疫情时代，人工智能、大数据等技术的应用和转化的需求。
医疗领域数据激增，希望双方能够进一步加速医疗创新技术突破，有效提升AI医疗业务发展。