Nature

표지 기사: 스웜 학습(Swarm learning)

Nature 594, 7862 (2021년6월10일)

정밀 의학의 핵심 요소는 중증 환자를 빠르고 신뢰성 있게 진단하는 것이다. 기계 학습(Machine learning)은 이를 달성하는 데 도움이 될 수 있지만 적절한 데이터를 기밀로 유지하는 효과적인 시스템을 구현하는 것은 어려운 일이다. 이번 주 호에서 Joachim Schultze와 연구진들은 엣지 컴퓨팅(Edge computing), 블록 체인(Blockchain) 기반 P2P (Peer-to-peer) 네트워킹 및 조정을 통합하는 분산형 AI 접근법인 스웜 학습(Swarm learning)을 사용하여 이러한 문제를 해결할 수 있음을 보여주었다. 연구진은 스웜 학습을 사용하여 16,400개의 혈액 전사체(Transcriptomes)와 95,000개의 흉부 X-ray를 기반으로 백혈병, COVID-19 및 결핵에 대한 질병 분류를 개발하였다. 이 분류 기준은 기밀 유지 규정을 충족하였으며, 개별 의료 시설에서 개발한 분류 기준보다 우수하였다. 연구팀은 블록 체인 기술과 결합된 스웜 학습의 분산된 특성으로 인해 기밀성을 손상시키지 않고 대용량 데이터 세트(Data sets)를 사용할 수 있다고 발표하였다. 표지 이미지(콘센트: Stefanie Warnat-Herresthal/Matthias Becker; 디자인: Laura Lopez & Gianna Jaconelli (TBT Marketing Limited)/Stefanie Warnat-Herresthal)

리서치 하이라이트

리서치 하이라이트

Supplements

부록 섹션에는 네이처 인사이트 및 네이처 아웃룩으로부터 발췌한 자료들이 들어 있습니다. 이들 자료들은 네이처 매거진의 부록으로 발표된 것들입니다.

Reproductive health

Vol. 588, No. 7838
2020년12월17일

Supplements

투고안내

투고안내

네이처 저널 출판을 위한 저자 지침 요약서

투고안내