「這是一項規模最大、內容最多元的聯合學習計畫，有來自世界各地的二十間醫院參與，以求開發出一個獲得醫生信任且能盡量推廣到更多醫院的人工智慧模型。」

「各個醫院的研究人員透過 NVIDIA Clara 聯合學習框架，便能使用胸部 X 光片、患者生命徵象和實驗室數值來訓練本地模型，且僅將模型權重的一個子集合分享給全域模型，這種保護患者隱私的技術稱為聯合學習。這個模型的最終目標是預測出現在急診室的人需要補充氧氣的可能性，這有助於醫生判斷給患者什麼樣的照護水準，包括是否要送到加護病房。」

「除了麻省布萊根綜合醫院及其附屬醫院，參與這項計畫的其它醫院有：華盛頓特區的美國國家兒童醫院、英國國家衛生研究院劍橋生醫研究中心、東京自衛隊中央醫院；台灣大學醫學影像與數據人工智慧（MeDA）實驗室、全幅健康照護子中心（MAHC）、台灣三軍總醫院及台灣健保署；南韓慶北國立大學醫院、泰國朱拉隆功大學醫學系、巴西的 Diagnosticos da America SA、加州大學舊金山分校、VA San Diego 醫療體系、多倫多大學、馬里蘭州貝塞斯達的美國國家衛生院、威斯康辛大學醫學與公共衛生學院、美國紐約紀念斯隆凱特琳癌症中心和紐約西奈山衛生系統。各醫療機構使用 NVIDIA Clara 來訓練其本地模型並參與 EXAM 計畫。他們使用一個安全的內部伺服器來儲存資料，無需將患者的胸部 X 光片及其它機密資訊集中到一處。在 AWS 上託管的一個獨立伺服器存放著全域深度神經網路，各參與醫院都會得到一份模型副本，以便用自己的資料集進行訓練。」
 

上述圖片、文字來源，以及更多關於此計畫的介紹請見：
https://blogs.nvidia.com.tw/2020/10/05/federated-learning-covid-oxygen-needs/ (中文)
https://blogs.nvidia.com/blog/2020/10/05/federated-learning-covid-oxygen-needs/​ (英文)