Trefwoorden: Blockchain, Gegevensprivacy, Decentraal leren, Gedistribueerd leren

"Distributed learning for optimal Radiomics knowledge"

Dit proefschrift evalueerde de huidige stand van het onderzoek op het gebied van radiomics en presenteerde een actueel overzicht van gedistribueerde leertoepassingen in de gezondheidszorg en hun beperkingen. Het presenteerde ook een nieuwe infrastructuur om de beperkingen van de bestaande gedistribueerde leeroplossing aan te pakken.

Het potentieel van decentralisatie van het leerproces door het afdwingen van vertrouwen, onveranderlijkheid, transparantie en traceerbaarheid in gedistribueerde leernetwerken via slimme blockchain-contracten werd bestudeerd. De resultaten toonden aan dat de decentralisatie van gedistribueerde leernetwerken het potentieel heeft om de modellen te trainen op patiëntgegevens die zijn opgeslagen in verschillende zorgcentra zonder dat patiëntgegevens hoeven uit te wisselen of een derde partij te vertrouwen.

Bovendien evalueerde het het potentieel van gedistribueerd leren op kleine gegevenssets die het geval van ziekten met een lage prevalentie en klinische fase I-onderzoeken kunnen nabootsen, waarbij het voor een enkele zorgverlener niet mogelijk is om voldoende gegevens te hebben om betrouwbare AI-modellen te trainen. De resultaten suggereren dat gedistribueerd leren 1) beperkingen voor het delen van gegevens voor ziekten met een lage prevalentie overwint en de nieuwe manier kan zijn om AI voor dergelijke ziekten toe te passen, 2) in staat is om modellen zo goed als centraal getrainde modellen te trainen.

Bovendien werd een infrastructuur ingezet voor een openbaar blockchain-testnetwerk (Ethereum) en werd de haalbaarheid van gedecentraliseerd gedistribueerd leren in de echte wereld getest. Het gedecentraliseerde karakter van het onderzoek maakt het voor het publiek gemakkelijk om de tijd, de kosten en de leerkwaliteit te evalueren, waardoor een transparant leerproces wordt bereikt.

Klik hier voor het volledige proefschrift.

Klik hier voor de live stream.