Учёные Тольяттинского государственного университета (ТГУ) совместно с коллегами из Китая, Южной Кореи и ОАЭ представили инновационную платформу BCFTL (Blockchain-enabled Multi-modal Federated Transfer Learning) — интеллектуальную экосистему для ранней диагностики болезни Альцгеймера.
Решение основано на технологии федеративного обучения с применением блокчейна, что позволяет медицинским учреждениям обмениваться знаниями, не раскрывая конфиденциальные данные пациентов.
Как пояснил руководитель проекта, глава регионального проектного офиса инжиниринга ТГУ Алексей Швецов, каждая больница обучает собственную модель ИИ на медицинских данных — снимках МРТ и результатах анализов. Затем система передаёт не исходные данные, а обученные параметры модели, объединяя их на центральном сервере. Это формирует общую, более точную модель диагностики.
Созданная экосистема решает ключевую проблему — отсутствие квалифицированных специалистов и дорогостоящего оборудования в малых городах. Благодаря архитектуре BCFTL больницы по всему миру могут подключаться к платформе и совместно обучать модели ИИ.
Эксперименты показали точность диагностики до 97%, а система способна обрабатывать до 10 обновлений моделей в минуту.
Исследование опубликовано в журнале IEEE Internet of Things Journal.
По мнению экспертов, подход ТГУ станет основой для развития умных телемедицинских систем, способных не только выявлять неврологические заболевания на ранних стадиях, но и формировать новые стандарты в цифровом здравоохранении.
Решение основано на технологии федеративного обучения с применением блокчейна, что позволяет медицинским учреждениям обмениваться знаниями, не раскрывая конфиденциальные данные пациентов.
Как пояснил руководитель проекта, глава регионального проектного офиса инжиниринга ТГУ Алексей Швецов, каждая больница обучает собственную модель ИИ на медицинских данных — снимках МРТ и результатах анализов. Затем система передаёт не исходные данные, а обученные параметры модели, объединяя их на центральном сервере. Это формирует общую, более точную модель диагностики.
Созданная экосистема решает ключевую проблему — отсутствие квалифицированных специалистов и дорогостоящего оборудования в малых городах. Благодаря архитектуре BCFTL больницы по всему миру могут подключаться к платформе и совместно обучать модели ИИ.
Эксперименты показали точность диагностики до 97%, а система способна обрабатывать до 10 обновлений моделей в минуту.
Исследование опубликовано в журнале IEEE Internet of Things Journal.
По мнению экспертов, подход ТГУ станет основой для развития умных телемедицинских систем, способных не только выявлять неврологические заболевания на ранних стадиях, но и формировать новые стандарты в цифровом здравоохранении.
