PrivFusion: A Privacy-preserving Multi-Agent Framework for Harmonizing Distributed Datasets
يُعد PrivFusion إطار عمل متعدد الوكلاء يحافظ على الخصوصية ويعمل على أتمتة تنسيق مجموعات البيانات السريرية الموزعة وغير المتجانسة من خلال المحاذاة التكرارية للميزات، مما يتغلب على عائق حاسم أمام التعلم الاتحادي الفعال.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تنظيم مأدبة عشاء ضخمة حيث يحضر كل شخص طبقاً، ولكن لا يُسمح لأي شخص بمغادرة مطبخه الخاص. الهدف هو إنشاء قائمة طعام واحدة لذيذة يمكن للجميع الاستمتاع بها معاً. ومع ذلك، هناك عقبة: كل طباخ يستخدم أكواب قياس مختلفة، ويتحدث لغات مختلفة، ويطلق أسماءً مختلفة على نفس المكونات. أحدهم يسميها "دقيق"، والآخر يسميها "مسحوق القمح"، والثالث يدرجها كـ "غبار أبيض".
هذا بالضبط هو المشكلة التي تواجهها المستشفيات والمؤسسات البحثية عندما تريد دمج بياناتها الطبية لتدريب نماذج الذكاء الاصطناعي (AI). لا يمكنهم ببساطة إرسال سجلات مرضاهم إلى كمبيوتر مركزي بسبب قوانين الخصوصية. وهنا يأتي دور التعلم الاتحادي (Federated Learning): فهو يتيح لهم تدريب الذكاء الاصطناي معاً دون نقل البيانات. ولكن، كما يوضح البحث، غالباً ما يفشل هذا النظام لأن البيانات تكون فوضوية وغير متسقة للغاية.
إليك PrivFusion، وهو "خاطبة رقمية" جديدة صُممت لإصلاح هذه الفوضى قبل بدء عملية الطبخ (التدريب) حتى.
المشكلة: "برج بابل" للبيانات
يشير المؤلفون إلى أنه بينما يعد التعلم الاتحادي رائعاً من الناحية النظرية، إلا أنه يصطدم بجدار في الواقع. فقد يسجل أحد المستشفيات عمر المريض كرقم (مثل "45")، بينما يكتبه آخر كنص ("خمسة وأربعون"). وقد يدرج أحدهم الموقع كاسم مدينة، والآخر كإحداثيات نظام تحديد المواقع (GPS)، والثالث كرمز دولة.
تقليدياً، يتطلب إصلاح ذلك فريقاً من البشر للجلوس وإعادة كتابة آلاف الصفوف من البيانات يدوياً. إنها عملية بطيئة، ومكلفة، وغالباً ما يكون من المستح المستحيل القيام بها دون انتهاك قواعد الخصوصية.
الحل: فريق من الوكلاء الرقميين
يحل PrivFusion هذه المشكلة باستخدام فريق من الوكلاء الذكيين (AI agents) (تخيلهم كمساعدين رقميين متخصصين) يعملون معاً بطريقة آمنة للخصوصية. إليك كيف تسير العملية، خطوة بخطوة:
- الفحص المحلي (المحللون):
بدلاً من إرسال بيانات مرضاهم الفعلية إلى خادم مركزي، يرسل كل مستشفى "تقرير ملخص" تم إنشاؤه بواسطة ذكاء اصطناعي محلي خاص بهم. يتضمن هذا التقرير:
- نوع البيانات التي لديهم (أرقام، تواريخ، نصوص).
- ماذا تعني هذه البيانات (على سبيل المثال: "هذا العمود يمثل تاريخاً").
- بعض العينات الاصطناعية. تخيل هذه كـ "أطباق وهمية" تم إنشاؤها في المطبخ. تبدو وتتذوق مثل الطعام الحقيقي (نفس التنسيق، نفس الهيكل) ولكنها لا تحتوي على أي مكونات حقيقية (لا أسماء مرضى حقيقيين أو أسرار). تساعد هذه العينات الخادم على فهم شكل البيانات دون رؤية البيانات الفعلية.
- الخاطبة المركزية (الخادم):
يتلقى خادم مركزي تقارير الملخص هذه والعينات الوهمية. هو لا يرى البيانات الحقيقية؛ بل يرى فقط "وصف القائمة".
- التجميع (Clustering): يقوم الخادم بتجميع العناصر المتشابهة معاً. يدرك أن "إجمالي الحالات"، و"إجمالي_الحالات_الإيجابية"، و"الحالات" كلها تعني الشيء نفسه.
- التوصيات: يعمل الخادم مثل رئيس الطهاة، حيث يرسل تعليمات إلى كل مطبخ: "غير اسم العمود الخاص بك إلى 'حالات'، وحول تواريخك إلى هذا التنسيق المحدد، وتجاهل هذا العمود الذي لا يطابق أي شخص آخر".
التحويل (الطباخون):
يأخذ كل مستشفى هذه التعليمات ويطبقها على بياناته محلياً. يقومون بتحديث "قائمتهم" الخاصة لتتطابق مع المعيار الجديد.الحلقة التكرارية:
يرسلون الملخص المحدث إلى الخادم. إذا رأى الخادم أنهم لم يتوافقوا تماماً بعد، فإنه يرسل تعليمات جديدة. تتكرر هذه العملية في حلقة (عادةً مرتين أو ثلاث مرات فقط) حتى يتحدث الجميع نفس اللغة.
النتائج: السرعة والخصوصية
اختبر الباحثون هذا النظام باستخدام أربع مجموعات بيانات حقيقية لمرض كوفيد-19 من دول مختلفة (أفغانستان، إندونيسيا، إيطاليا، والولايات المتحدة). كانت مجموعات البيانات هذه عبارة عن مزيج فوضوي من التنسيقات والأسماء.
- الكفاءة: نجح النظام في توحيد البيانات في غض- 2 إلى 3 جولات فقط من التواصل.
- الدقة: نجح في مواءمة الميزات مثل التواريخ ورموز المواقع، محولاً مزيجاً فوضوياً من التنسيقات إلى مجموعة نظيفة ومعيارية.
- الخصوصية: والأهم من ذلك، يزعم البحث أن الخادم لم يرَ بيانات المرضى الفعلية في أي مرحلة. لقد رأى فقط العينات "الوهمية" والبيانات الوصفية (metadata). لم يستطع الخادم معرفة هوية المرضى، ولا استطاع سرقة تفاصيل محددة عن الأفراد.
"الخلطة السرية" (نماذج اللغات الكبيرة)
يعتمد النظام على نماذج ذكاء اصطناعي متقدمة (مثل GPT و Llama) لفهم المعنى وراء الكلمات، وليس فقط التهجئة. على سبيل المثال، يعرف النموذج أن "Date" و "yyyy-mm-dd" هما نفس المفهوم، حتى لو بدوا مختلفين. وجد البحث أن نماذج الذكاء الاصطناعي المختلفة لها "شخصيات" مختلفة: فبعضها كان صارماً جداً ويتبع القواعد بدقة، بينما كان البعض الآخر أكثر إبداعاً ولكنه قد يقوم أحياناً بتغييرات غير ضرورية.
الخلاصة
إن PrivFusion هو أداة لأتمتة العمل الممل والمنتهك للخصوصية المتمثل في تنظيف البيانات الطبية. فهو يسمح للمؤسسات المختلفة بأن "تتحدث نفس اللغة" دون الحاجة أبداً لمشاركة وصفاتهم السرية. ويخلص البحث إلى أن هذا يجعل من السهل جداً إجراء دراسات طبية تعاونية واسعة النطاق دون المساس بخصوصية المرضى، بشرط أن يتم توجيه وكلاء الذكاء الاصطناعي بالقواعد الصحيحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.