英特尔和宾夕法尼亚大学医学院正在研究一个庞大的、跨机构的人工智能，它将帮助识别脑瘤，但不会逾越严格的医疗隐私规则。这款跨机构人工智能将使用一种被称为 "联合学习 "的技术，因为它跨越了29个不同的医疗和研究机构。
利用疾病数据集训练人工智能，使其能够让大量的病例充当过滤器，这在很多方面都显示出了有效的作用。然而，其缺点是，为了获得有效的性能，它需要的数据集必须相当可观。单个医疗机构或研究实验室可能会难以为正在开发的机器学习提供所需的所有信息。
宾夕法尼亚大学生物医学图像计算和分析中心（CBICA）的Spyridon Bakas博士解释说：“机器学习培训需要大量和多样化的数据，尽管从技术上来讲并不是什么挑战，但现实是健康隐私法律（无论是HIPAA，GDPR还是其他法律）都限制了可以共享的内容，这是大数据处理的瓶颈。"
英特尔和宾夕法尼亚医学院对此的答案是联合学习。与其共享单个病人的记录，不如将一个加密的机器学习模型分发到每个参与的机构中。它在每台计算机上的安全区域中解密，并接受本地数据训练。随后仅将模型更新与负责汇总模型的组织共享。由于患者数据永远不会离开单独的机构，因此更具隐私化，同时重新训练后的模型数据更小，因此在数据传输方面也更加高效。
宾夕法尼亚州医学院和来自美国、加拿大、英国、德国、荷兰、瑞士和印度的29家医疗和研究机构将利用这个运行在英特尔硬件上的联合学习系统，合作研究出一种利用AI识别脑肿瘤的方法。今年，该联盟将开始开发算法，从国际脑肿瘤分割（BraTS）数据集的大幅扩展版本中识别脑肿瘤。这个联盟将允许医学研究人员获得大量的医疗数据，同时保护这些数据的安全性。
美国脑瘤协会表示，2020年将有近8万人被确诊为脑瘤。在原始MRI数据上训练之后，当从扫描中识别胶质瘤脑肿瘤时，英特尔和宾夕法尼亚州医学会开发的AI模型可以达到99%的准确率。