건강을 위한 분할 학습: 원시 환자 데이터를 공유하지 않는 분산 심층 학습

건강 기관들이 민감한 원시 데이터 없이 협력하여 심층 학습 모델을 훈련할 수 있을까? 본 논문은 이를 촉진하기 위해 SplitNN이라는 심층 학습 방법의 여러 구성을 제안한다. SplitNN은 원시 데이터나 모델 세부정보를 기관과 공유하지 않는다. 제안된 splitNN의 구성은 다양한 환자 데이터 모달리티를 보유한 i) 기관, ii) 여러 작업에 협력하는 중앙 및 지역 건강 기관, iii) 레이블을 공유하지 않고 학습하는 설정에 맞춰져 있다. 우리는 splitNN과 다른 분산 심층 학습 방법인 연합 학습, 대규모 배치 동기 확률적 경량 경사 하강법의 성능 및 자원 절충을 비교하며 splitNN에 대해 매우 고무적인 결과를 보여준다.