Page 69 - 中医针灸与人工智能

第三章 中医人工智能发展研究

现，且无需关心功能实现方式，显著提升了用户开展各类业务的效率。云计算根

据网络结构可分为私有云、公有云、混合云和专有云等，根据服务层次可分为基
础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。边缘计算
是将云计算的各类计算资源配置到更贴近用户侧的边缘，即计算可以在如智能手
机等移动设备、边缘服务器、智能家居、摄像头等靠近数据源的终端上完成，从

而减少与云端之间的传输，降低服务时延，节省网络带宽，减少安全和隐私问
题。云计算和边缘计算通过以云边端协同的形式为数字孪生提供分布式计算基
础。在终端采集数据后，将一些小规模局部数据留在边缘端进行轻量的机器学习

及仿真，只将大规模整体数据回传到中心云端进行大数据分析及深度学习训练。
对高层次的数字孪生系统，这种云边端协同的形式更能够满足系统的时效、容量
和算力的需求，即将各个数字孪生体靠近对应的物理实体进行部署，完成一些具
有时效性或轻度的功能，同时将所有边缘侧的数据及计算结果回传至数字孪生总

控中心，进行整个数字孪生系统的统一存储、管理及调度。
在数字孪生系统中，数字孪生体会感知大量来自物理实体的实时数据，借助
各类人工智能算法，数字孪生体可以训练出面向不同需求场景的模型，完成后续

的诊断、预测及决策任务，甚至在物理机理不明确、输入数据不完善的情况下也
能够实现对未来状态的预测，使得数字孪生体具备“先知先觉”的能力。
（三）拥抱区块链和联邦学习等新技术，破解隐私安全需求与数据协作

共享的矛盾
AI在医疗领域应用存在的比较大的一个困难是数据量不够。由于健康数据的
隐私安全保护等需求，“数据孤岛”长期存在，整合数据的工作常常寸步难行，

这导致任何一家机构都难以获得足够的数据训练出足够好的AI模型。与西医相
比，中医医疗机构的数量更少，数据不足的问题更为明显，训练中医AI辅助诊断
模型更需要技术上的创新。基于“区块链+联邦学习”的多方数据共享模型有望
能帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据

使用和机器学习建模 [130] 。
联邦机器学习是一个机器学习框架，它不需要将数据集中整合，只需要数据
的特征。联邦系统可以通过区块链等加密机制下的参数交换方式，即在不违反数

据隐私法规情况下，建立一个虚拟的共有模型，与把所有数据聚合在一起建立的
最优模型效果一样。对于中医来说，“区块链+联邦学习”的应用有望解决关键

61