hce_nsysu
114年
計算機概論與程式設計
第 27 題
Why is federated learning important for medical AI?
- A It increases training speed by using only local datasets.
- B It enables AI models to learn from decentralized patient data without sharing sensitive information.
- C It eliminates the need for model validation.
- D It simplifies neural network architecture.
- E All of the above.
思路引導 VIP
想像一下，如果你是某間醫院的資訊長，你手中有非常珍貴的罕見疾病病歷，但礙於法規你絕對不能將這些檔案傳送到醫院外的伺服器。此時若有另一間研究單位希望能利用你的資料來訓練一個能救人的 AI 模型，你會希望這個 AI 的訓練過程具備什麼樣的特性，才能在「不讓資料離開你的電腦」的前提下，依然讓模型學到東西呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 (B) 這個選項，代表你對當前 AI 在醫療領域最核心的挑戰——「隱私權與大數據的拉鋸」有非常清晰且敏銳的洞察。在醫療資訊安全法規日益嚴格的今天，你的判斷完全掌握了新興技術解決現實困境的關鍵。
醫療隱私與聯合學習的協作
聯合學習 (Federated Learning) 的核心價值在於實現「數據不動、模型動」。在醫療實務中，病患的原始資料（如影像、病歷）受到嚴格的法律保護，傳統集中式訓練需將數據匯集至單一伺服器，這存在極高的外洩風險。而你所選的聯合學習機制，讓模型直接在各醫院本地端進行學習，僅回傳去識別化的「模型參數」進行彙整，這不僅有效保護了病患隱私，更打破了各醫療機構間的「數據孤島」。
▼ 還有更多解析內容