一群专注于癌症护理的主要医疗机构结成联盟，以更好地利用人工智能的潜力来推动该领域的发展。在大型科技公司的4000万美元现金和资源支持下，癌症人工智能联盟（CAIA）可能成为精准医学的巨大进步。
该联盟的成员包括弗雷德·哈钦森癌症研究所（将协调新工作）、约翰斯·霍普金斯大学、达纳·法伯癌症研究所以及纪念斯隆-凯特琳癌症中心——准确地说，是这些机构的癌症研究部门。
弗雷德·哈钦森癌症研究所总裁兼主任汤姆·林奇在位于西雅图的“智能应用峰会”上宣布了这一倡议；主办此次活动的风险投资公司Madrona作为哈钦森研究所的顾问，一直深度参与其中。“我们相信这具有变革性的潜力。这代表了前所未有的能力……能够达成共识，即合作将推动进步。”林奇表示。
他举了一个例子：某家医疗中心收治了一名患有罕见儿童癌症的患者，但能更好地治疗该疾病的科学知识却被另一家中心所垄断，并被包裹在专有方法和处理流程中。也许十年后，这些知识会通过科学文献逐渐公开，但他指出，那位对白血病无反应的患儿等不了那么久。
当然，人工智能并非无所不能的奇迹创造者，而提及患儿的故事也并非暗示某个假设性的“治疗方案发现模型”就能迅速且轻松地解决这一问题。但如果能帮助推进研究的疗法或研究在这些机构之间不可见，就会拖慢整个领域的发展步伐。
问题在于，由于法规、安全考量以及格式和数据库之间的不匹配，医疗机构之间共享数据并不简单。即使帮助斯隆-凯特琳那位白血病患儿的研究所数据存在于约翰斯·霍普金斯大学，也无法保证这些数据能以合法且技术上可行的方式进行共享。
这家新机构旨在通过联邦学习来解决这一问题。联邦学习是一种安全的数据协作方式，原始数据保持私密，但可用于训练人工智能和其他计算系统。
如果研究机构能够在遵守《健康保险流通与责任法案》（HIPAA）及其他数据管控要求的前提下，为共同目标做出贡献，例如为所有已知存在的某种癌症训练药物发现或诊断模型，它们会很乐意这样做。CAIA的目标正是在此模式下建立协作系统，但据弗雷德·哈钦森癌症研究所副总裁兼首席数据官杰夫·利克介绍，这一目标仍需时日才能实现。
他解释说，这当然是可能的，但在技术层面这是一个难题，只有在主要参与方到位后才能着手解决。将这些癌症研究中心聚集在一起，并引入微软、AWS、英伟达和德勤的资金与专业知识进行绑定，是必要的第一步，且绝非易事。现在，实际的共享基础设施、标准以及具体目标（例如针对特定癌症或疗法开发模型）可以开始成型了。
这4000万美元由上述四家公司的运营现金、服务和无形资产组成，将在未明确的时间表上部署，但CAIA预计将在今年年底前实现功能化。该计划应在2025年底前“产生其首批洞察”。