Một thách thức lớn trong lĩnh vực AI y tế là làm thế nào để sử dụng hiệu quả các tài nguyên dữ liệu quý giá phân tán tại các cơ sở y tế trong khi đảm bảo quyền riêng tư và tuân thủ dữ liệu. Mô hình đào tạo dữ liệu tập trung truyền thống thường gây ra lo ngại về việc rò rỉ quyền riêng tư do liên quan đến việc xử lý tập trung dữ liệu y tế gốc. Mặc dù học liên bang (Federated Learning, FL) có thể đạt được mục tiêu "dữ liệu giữ lại tại địa phương, tối ưu hóa mô hình hợp tác", nhưng vẫn còn thiếu sót về độ tin cậy trong quá trình đào tạo và đánh giá đóng góp của các bên tham gia.

Để giải quyết những vấn đề này, một giải pháp đổi mới kết hợp công nghệ blockchain đã ra đời. Giải pháp này xây dựng một khung hợp tác đáng tin cậy thông qua cách "đăng ký nút học liên bang trên chuỗi + xác minh bằng chứng băm tham số mô hình". Các đặc điểm cốt lõi của khung này bao gồm:

1. Xác nhận danh tính trên chuỗi của nút học liên bang: Các cơ sở y tế tham gia đào tạo cần hoàn tất đăng ký trên blockchain, nộp các thông tin quan trọng như tư cách pháp nhân, loại dữ liệu, v.v., và nhận được mã định danh nút duy nhất, đảm bảo tính khả truy xuất của danh tính các bên tham gia.

2. Chứng nhận trên chuỗi thời gian thực cho các tham số đào tạo: Trong mỗi quá trình lặp lại học liên bang, các tham số mô hình cục bộ được tạo ra từ các nút (như trọng số của mạng nơ-ron, giá trị hàm mất mát, v.v.) sau khi xử lý băm sẽ được tải lên blockchain, điều này không chỉ ngăn chặn rủi ro về việc các tham số bị thay đổi hoặc thay thế mà còn đảm bảo rằng dữ liệu y tế gốc luôn được lưu giữ tại các cơ sở y tế địa phương, phù hợp với yêu cầu bảo vệ quyền riêng tư nghiêm ngặt.

3. Cơ chế tính toán mức độ đóng góp tự động: Dựa trên lượng cập nhật tham số và quy mô dữ liệu huấn luyện được ghi lại trên chuỗi, hợp đồng thông minh có thể tự động tính toán trọng số đóng góp của từng nút tham gia và phân phối lợi nhuận thương mại tiếp theo của mô hình theo tỷ lệ đã được thiết lập trước, giúp giải quyết hiệu quả vấn đề "khó định lượng mức độ đóng góp" trong học liên bang truyền thống.

Giải pháp đổi mới này đã cho thấy hiệu quả rõ rệt trong thực tế. Ví dụ, trong một liên minh gồm nhiều bệnh viện hạng nhất, việc đào tạo mô hình AI sàng lọc ung thư phổi dựa trên khung này đã đạt được những thành tựu đáng chú ý: chỉ trong 3 tháng, 5 bệnh viện đã trở thành nút học liên bang, cùng nhau hoàn thành việc đào tạo cho 100.000 dữ liệu CT, và độ chính xác của mô hình cuối cùng đạt 93,2%, tăng 4,5 điểm phần trăm so với phương pháp đào tạo tập trung truyền thống. Quan trọng hơn, do không cần xử lý dữ liệu gốc tập trung, chu kỳ xem xét tuân thủ của toàn bộ dự án đã giảm mạnh từ 2 tháng xuống còn 15 ngày, trong khi tranh chấp về phân chia lợi nhuận giữa các tổ chức tham gia cũng giảm xuống còn không.

Giải pháp đổi mới này kết hợp blockchain và học tập liên bang không chỉ bảo vệ hiệu quả quyền riêng tư của bệnh nhân, đảm bảo tính tuân thủ trong việc sử dụng dữ liệu mà còn tăng cường đáng kể hiệu suất và hiệu quả đào tạo mô hình AI. Nó cung cấp một giải pháp khả thi và hiệu quả để giải quyết vấn đề đảo dữ liệu và thách thức bảo vệ quyền riêng tư trong lĩnh vực AI y tế, hứa hẹn thúc đẩy sự phát triển nhanh chóng và ứng dụng rộng rãi của công nghệ AI trong y tế, từ đó đóng góp quan trọng vào việc nâng cao chất lượng và hiệu quả dịch vụ y tế.