• ఫెడరేటెడ్ లెర్నింగ్-ఆధారిత ప్లాట్‌ఫారమ్ పరిశోధన మరియు సహకారం కోసం అనామక మరియు నిర్మాణాత్మక ఆరోగ్య డేటాకు సురక్షితంగా మరియు వేగంగా యాక్సెస్‌ను అనుమతిస్తుంది.
• ఇది వినూత్న ఏఐ పరిష్కారాలను రూపొందించడానికి ఆరోగ్య సంరక్షణ పర్యావరణ వ్యవస్థ అంతటా సహకార నిశ్చితార్థాన్ని అనుమతిస్తుంది.

హైదరాబాద్ : ఆస్టర్ డి ఎం హెల్త్‌కేర్ ఇన్నోవేషన్ హబ్ అయిన ఆస్టర్ ఇన్నోవేషన్ అండ్ రీసెర్చ్ సెంటర్, ఇంటెల్ కార్పొరేషన్ మరియు CARPLతో కలిసి అత్యాధునిక 'సెక్యూర్ ఫెడరేటెడ్ లెర్నింగ్ ప్లాట్‌ఫారమ్'ను ప్రకటించింది. ఈ సహకారం అభివృద్ధిని అనుమతిస్తుంది. ఏఐ -ప్రారంభించబడిన ఆరోగ్య సాంకేతిక పరిష్కారాలు డేటా ఉత్పత్తి చేయబడిన చోట సురక్షితంగా ఉండగలవు. డ్రగ్ డిస్కవరీ, డయాగ్నోసిస్, జెనోమిక్స్ మరియు ప్రిడిక్టివ్ హెల్త్‌కేర్ వంటి రంగాల్లో ఈ సహకారం కొత్త ఆవిష్కరణలను ప్రోత్సహిస్తుంది. ఇది సంబంధిత డేటా సెట్‌లను సురక్షితంగా మరియు పంపిణీ చేయబడిన పద్ధతిలో యాక్సెస్ చేయడానికి క్లినికల్ ట్రయల్స్‌ను కూడా అనుమతిస్తుంది.
         ఒక రోగి ఇమేజింగ్ మరియు EMR డేటాలో సంవత్సరానికి దాదాపు 80 ఎంబి డేటాను ఉత్పత్తి చేస్తాడు; 2017 అంచనాల ప్రకారం, ఆర్‌బిసి క్యాపిటల్ మార్కెట్ "2025 నాటికి, ఆరోగ్య సంరక్షణ కోసం డేటా సమ్మేళనం వార్షిక వృద్ధి రేటు 36%కి చేరుకుంటుంది. జెనోమిక్ డేటా మాత్రమే 2025 నాటికి 2–40 ఎక్సాబైట్‌లుగా ఉంటుందని అంచనా వేయబడింది—అన్ని ఇతర సాంకేతిక ప్లాట్‌ఫారమ్‌ల ద్వారా పొందిన డేటా మొత్తాన్ని గ్రహిస్తుంది.

మెడికల్ ఇమేజింగ్ వంటి రంగాలలో ఏఐ ప్రారంభించబడిన పరిష్కారాలు సిబ్బంది కొరత మరియు వృద్ధాప్య జనాభా వంటి ఆరోగ్య సంరక్షణలో సవాళ్లను పరిష్కరించడంలో సహాయపడతాయి. ఏది ఏమైనప్పటికీ, రెగ్యులేటరీ విధానాలకు అనుగుణంగా వివిధ ఆసుపత్రులు, భౌగోళిక ప్రాంతాలు మరియు ఇతర ఆరోగ్య వ్యవస్థలలో విస్తరించిన సంబంధిత డేటా యొక్క గోతులు యాక్సెస్ చేయడం ఒక పెద్ద సవాలు.

ఈ మొదటి-రకం సహకారంపై వ్యాఖ్యానిస్తూ, ఆస్టర్ డి ఎం హెల్త్‌కేర్ వ్యవస్థాపకుడు, చైర్మెన్ మరియు మేనేజింగ్ డైరెక్టర్ అయిన డాక్టర్ ఆజాద్ మూపెన్ మాట్లాడుతూ, "అత్యంత ప్రగతిశీలతను తీసుకురావడానికి CARPL మరియు ఇంటెల్ వంటి సాంకేతిక దిగ్గజాలతో భాగస్వామి కావడం సంతోషంగా ఉంది. డిజిటల్ అడ్వాన్స్‌లు మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ద్వారా ఆరోగ్య సంరక్షణ పరిష్కారాలు. సెక్యూర్ ఫెడరేటెడ్ లెర్నింగ్ ఇనిషియేటివ్ డేటాను విశ్లేషించడంలో సహాయపడుతుంది మరియు రోగుల కోసం ప్రిడిక్టివ్ మెకానిజం అభివృద్ధికి, చికిత్సలపై రెండవ అభిప్రాయానికి అవకాశం మరియు ముఖ్యంగా, డేటా భద్రత మరియు రోగుల గోప్యతను ధృవీకరించడంలో సహాయపడుతుంది. ఇప్పటివరకు, ముఖ్యంగా ఆరోగ్య సంరక్షణ రంగంలో ఇటువంటి కొన్ని కార్యక్రమాలు మాత్రమే నిర్వహించబడ్డాయి. ప్రపంచ నాయకులతో ఈ సహకార వేదిక అందుబాటులో ఉన్న ఆరోగ్య సంరక్షణ పరిష్కారాలను అభివృద్ధి చేయడంలో పాల్గొనేందుకు రంగంలోని అనేక మంది ఆటగాళ్లకు తలుపులు తెరుస్తుంది.
          ఇంటెల్ ఇండియా కంట్రీ హెడ్, ఇంటెల్ ఫౌండ్రీ సర్వీసెస్ వైస్ ప్రెసిడెంట్ నివ్రుతి రాయ్ మాట్లా డుతూ, “ఏఐ అప్లికేషన్‌లు సకాలంలో మరియు సమర్థవంతమైన స్క్రీనింగ్, రోగ నిర్ధారణ మరియు చికిత్స ద్వారా ఆరోగ్య సంరక్షణలో విప్లవాత్మక మార్పులు తీసుకురావడానికి శిఖరాగ్రంలో ఉన్నాయి. అధిక నాణ్యత గల శిక్షణ డేటాసెట్‌లకు ప్రాప్యత పొందడం మరియు నియంత్రణ ఫ్రేమ్‌వర్క్‌లు మరియు భౌగోళిక సరిహద్దుల రూపంలో పరిమితులను పరిష్కరించడం కీలకమైన ఆవశ్యకాలు. ఈ సవాళ్లను ఎదుర్కొ నేందుకు ఆస్టర్ మరియు ఇంటెల్ కలిసి పనిచేశాయని మరియు భారతదేశంలో మొట్టమొదటిసారిగా సురక్షితమైన ఫెడరేటెడ్ లెర్నింగ్ ప్లాట్‌ఫారమ్‌ను ఏర్పాటు చేశాయని ప్రకటించడానికి నేను సంతోషిస్తున్నాను. డేటా యొక్క సరైన ఉపయోగం కోసం భద్రత, నమ్మకం మరియు గోప్యత వంటి కీలక అంశాలను పరిష్కరించడం ద్వారా ఇది వాస్తవ ప్రపంచ పరిష్కారాన్ని అందిస్తుంది. ఈ పరిష్కారం ఏఐ పరిశోధకులు మరియు డేటా సంరక్షకులు ఇద్దరూ ఏఐ ఆవిష్కరణను మరియు ఆరోగ్య సంరక్షణలో విస్తృతమైన ప్రభావాన్ని అభివృద్ధి చేయడంలో ఉపయోగించుకునే సేవగా అందించబడుతుంది. ఇది డేటాను కంప్యూట్‌కి పొందడం కంటే గణనను డేటాకు పొందడం ద్వారా ఒక నమూనా మార్పును సూచిస్తుంది. కొన్ని పెద్ద-స్థాయి ఆరోగ్య సంరక్షణ సమస్యలను పరిష్కరించడానికి మరియు నాణ్యమైన, సరసమైన మరియు స్థాయిలో ఆరోగ్య సంరక్షణను ప్రారంభించడానికి ఈ ప్లాట్‌ఫారమ్‌ను ఆరోగ్య పర్యావరణ వ్యవస్థకు అందుబాటులో ఉంచడం మా ఉమ్మడి ఉద్దేశం.

CARPL. ఏఐ, చీఫ్ ఎగ్జిక్యూటివ్ ఆఫీసర్ డాక్టర్ విదుర్ మహాజన్ మాట్లాడుతూ, "డీ-కేంద్రీకృత డేటా నిల్వ మరియు ఏఐ మోడల్స్‌కు సమాఖ్య పద్ధతిలో శిక్షణ ఇవ్వడం భవిష్యత్తు అని చెప్పడంలో ఎటువంటి సందేహం లేదు, ప్రత్యేకించి ఏఐ యొక్క సాధారణీకరణ లేకపోవడం పెద్దదిగా మారుతోంది. సమస్య. CARPL ద్వారా ఏఐ మోడల్‌లకు డేటాను సంగ్రహించడం, అనామకీకరణ, ఉల్లేఖన మరియు డెలివరీని ప్రారంభించడానికి, వారి సంబంధిత రంగాలకు చెందిన బ్రాండ్‌లతో భాగస్వామ్యం చేయడం మాకు సంతోషంగా ఉంది - హెల్త్‌కేర్‌లోఆస్టర్ మరియు ఇంటెల్ - గణనలో. బెంచ్ నుండి క్లినిక్ వరకు, మరియు ఇది మరొక ఉదాహరణ."

ఇది ఎలా పని చేస్తుంది:
ఫెడరేటెడ్ లెర్నింగ్ (FL) అనేది ఆ డేటాను తరలించకుండా బహుళ వికేంద్రీకృత మూలాల వద్ద నిల్వ చేయబడిన డేటాతో ఏఐ అల్గారిథమ్‌లకు శిక్షణ ఇచ్చే పద్ధతి. ఫెడరేటెడ్ లెర్నింగ్‌ను స్వీకరించడాన్ని సులభతరం చేయడానికి, ఇంటెల్ యొక్క భద్రతా సాంకేతిక పరిజ్ఞానాన్ని ఉపయోగించడం ద్వారా "డేటా సిలోస్"కు పరిష్కారాన్ని అందించే మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లకు శిక్షణ ఇవ్వడానికి OpenFLopen సోర్స్ ఫ్రేమ్‌వర్క్ అభివృద్ధికి ఇంటెల్ నాయకత్వం వహించింది

ఇంటెల్® సాఫ్ట్‌వేర్ గార్డ్ ఎక్స్‌టెన్షన్స్ (Intel® SGX) నిర్దిష్ట అప్లికేషన్ కోడ్ మరియు మెమరీలోని డేటాను వేరు చేయడం ద్వారా హార్డ్‌వేర్ ఆధారిత మెమరీ రక్షణను అందిస్తుంది. ఈ సురక్షిత FL సొల్యూషన్ పనిభారం మేధో సంపత్తి (IP) రక్షణను ప్రారంభిస్తుంది మరియు దాని సంరక్షకులతో ఆరోగ్య డేటాను సురక్షితం చేస్తుంది. ఎండ్-టు-ఎండ్ ఏఐ మోడల్ శిక్షణ కోసం CARPL యొక్క రిచ్ డేటా ఎక్స్‌ట్రాక్ట్, ట్రాన్స్‌ఫార్మ్ మరియు లోడ్ (ETL) సామర్థ్యాలతో OpenFL కలపబడింది.

ఆస్టర్ హాస్పిటల్‌లోని కేరళ, బెంగళూరు మరియు విజయవాడ క్లస్టర్‌ల నుండి హాస్పిటల్ డేటాను ఉపయోగించి ఈ ప్లాట్‌ఫారమ్ సామర్థ్యాన్ని ప్రదర్శించడం జరిగింది. బెంగుళూరు నుండి 30,000కు పైగా ప్రత్యేకమైన పేషెంట్ డేటా నుండి ఎంపిక చేయబడిన 18573 చిత్రాలతో సహా 125,000 ఛాతీ ఎక్స్-రే చిత్రాలు రెండు-నోడ్/సైట్ విధానాన్ని ఉపయోగించి CheXNet AI మోడల్‌కు శిక్షణ ఇవ్వడానికి ఉపయోగించబడ్డాయి - బెంగళూరు మరియు విజయవాడ - X లో అసాధారణతలను గుర్తించడానికి ఫెడరేటెడ్ లెర్నింగ్. - రే నివేదిక.  ఏఐ మోడల్‌కు శిక్షణ ఇవ్వడానికి అందుబాటులో లేని వాస్తవ ప్రపంచ డేటా కారణంగా 18,573 ప్రత్యేక చిత్రాలు అదనంగా 3% ఖచ్చితత్వాన్ని అందించాయి.

ఆరోగ్య సంరక్షణ పర్యావరణ వ్యవస్థకు ప్రయోజనాలు:

• ముడి డేటాను భాగస్వామ్యం చేయకుండా ఏఐ శిక్షణను నిర్వహించడానికి బహుళ సంస్థల నుండి డేటా శాస్త్రవేత్తలను అనుమతిస్తుంది

• నివారణ మరియు ప్రిడిక్టివ్ మెడిసిన్‌లో ఉపయోగించే ఏఐ మోడల్‌లను అభివృద్ధి చేయడానికి ఉపయోగించే పెద్ద డేటాసెట్‌లకు ఆరోగ్య సంరక్షణ ప్రదాతలు మరియు ఇతర పర్యావరణ వ్యవస్థ భాగస్వాములకు యాక్సెస్‌ను అందిస్తుంది

• భద్రత మరియు గోప్యతా హామీల కారణంగా డేటా భాగస్వామ్యం చేయబడనందున సంస్థాగత డేటా సమ్మతి మరియు పాలనను నిర్ధారిస్తుంది

పెద్ద డేటాసెట్‌లకు యాక్సెస్ కారణంగా ఏఐ మోడల్ శిక్షణ యొక్క ఖచ్చితత్వాన్ని పెంచుతుంది.
ఈ పైలట్ యొక్క విజయం తదుపరి స్థాయికి నిశ్చితార్థాన్ని ప్రదర్శించింది, ఇది డేటా గోప్యత మరియు భద్రతా అంశాలలో రాజీ
పడకుండా సంస్థాగత & భౌగోళిక సరిహద్దుల్లో ఆరోగ్య డేటాకు ప్రాప్యతను ప్రజాస్వామ్యీకరించడం.