2020年08月21日，騰訊醫療健康與微眾銀行，宣布成立聯合實驗室，結合騰訊天衍實驗室在醫療影像、醫療機器學習與自然語言處理的技術積累，以及微眾銀行AI團隊在聯邦學習上的領先技術，雙方將共同攻堅醫療聯邦學習（Medical Federated Learning），搭建隱私保護數據平臺，探索醫療領域的智能化應用。
騰訊醫療副總裁吳文達醫生指出，醫療場景數據隱私問題處理至關重要，技術進步給醫療帶來創新的同時也要兼顧隱私保護，讓行業贏得良性發展，讓用戶獲得便利、安全的使用環境。醫療聯邦學習框架為醫療隱私和數據安全帶來了新的解決思路，聯合實驗室的成立有助于雙方集中技術優勢，深耕醫療聯邦學習應用，突破AI+醫療創新技術落地難題。
聯邦學習既保護了不同機構的數據隱私，也提升了機器學習的效率
微眾銀行AI團隊是聯邦學習技術的引領者，而推動微眾銀行AI團隊率先進行“聯邦學習”研究并將其應用于業務中的，是微眾銀行首席人工智能官楊強教授，他也是最早研究“聯邦學習”的國際人工智能專家之一。楊強教授介紹，聯邦學習的原理是一種加密的分布式機器學習技術，參與各方可以在不披露底層數據和底層數據的加密(混淆)形態的前提下共建模型，也是一種共贏的機器學習方式。“聯邦學習”可以讓多個參與方數據不出本地不泄露隱私的條件下進行合作，而“遷移學習”是將從已有問題學習到的“知識”遷移到新問題上，實現舉一反三，“聯邦遷移學習”則是將“遷移學習”和“聯邦學習”結合起來，幫助不同機構打破隔閡，聯合建立AI模型，同時各方數據不出本地，用戶隱私得到最好保護。目前微眾銀行已經在金融、醫療等行業領域落地應用新的技術。
聯合實驗室成立后，雙方將繼續匯聚優勢及資源，集中在醫療影像輔助診斷、醫療大數據、醫療機器學習模型等多個方面展開深度合作，雙方將研究在保護多方（如醫院、企業等）數據的情況下的協作學習，從而打破數據孤島的限制。特別地，在疫情期間由于患者數據需要絕對隱私使得許多AI技術無法得以施展，醫療聯邦學習框架有望成為解決該問題的一劑“良方”。
微眾銀行楊強教授介紹，基于大數據及人工智能聯合實驗室合作項目，聯合實驗室將在醫療聯邦學習框架下對新冠肺炎的追蹤、診斷、預后作出積極的探索，例如在疫情中常態化檢查和病情的朔源工作中，探索在保護用戶隱私的情況下對用戶是否具有感染風險并以綠碼和紅碼兩種形式進行表征。
此外，聯合實驗室還將針對新冠肺炎CT影像建立基于聯邦學習框架的輔助診斷模型，讓世界各地的醫院可以在不泄露隱私的情況下共同學習、聯合建模，從而極大地提升病例稀缺的醫院的診斷準確率。
同時，醫療聯邦學習作為基礎技術框架，可以挖掘并利用醫療健康數據，構建不同的醫療場景應用，如通過聯邦學習助力電子健康卡實現保護用戶隱私建模、醫保基金控費、個人與機構拒付識別等等，以助力醫療健康產業發展，提升醫療服務的質量。
早在去年，騰訊天衍實驗室和微眾銀行在醫療大數據、醫學影像輔助診斷等領域便展開了合作，通過AI技術賦能的成果轉化切實提高醫務工作者的效率。聯合實驗室研究員趙瑞輝和鞠策聯合研發了基于醫療聯邦學習框架的“腦卒中發病風險預測模型”，該模型成功破解醫療行業信息孤島和隱私保護難題，實現了在保護不同醫院數據隱私下的疾病精準預測，其預測準確率高達80%。另外，通過聯邦學習技術，大型三甲醫院數據資源可以幫助醫療服務匱乏病例少小型醫院在模型預測指標上提升了10-20%。該工作以論文形式陳述（論文鏈接：https://arxiv.org/abs/2006.10517），并被FL-IJCAI'20高分錄用。同時，該工作獲得騰訊公司十大微創新項目獎。
騰訊天衍實驗室負責人鄭冶楓博士指出，雙方成立聯合實驗室，有助于加速聯邦學習技術在醫療領域的研究和應用，尤其在后疫情時代，醫療領域對AI和大數據等技術的應用轉化需求激增，希望雙方能進一步加速醫療創新技術的突破，切實提升AI醫療業務發展。
