Použitie federovaného učenia na validáciu a aktualizáciu modelov na predpovedanie prognózy s ochranou súkromia pri traumatických poraneniach mozgu

Článok opisuje implementáciu infraštruktúry federovaného učenia (FL) na vývoj klinických predikčných modelov bez potreby zdieľania citlivých údajov medzi krajinami. Výskumný tím testoval tri prognostické modely IMPACT na predpovedanie mortality a nepriaznivých výsledkov šesť mesiacov po traumatickom poranení mozgu pomocou údajov z dvoch veľkých štúdií: TRACK-TBI z USA (441 účastníkov) a CENTER-TBI z Európy a Izraela (1175 účastníkov), spolu 1616 účastníkov. Obe federované modely dosiahli porovnateľné výsledky s AUC hodnotami medzi 0,77-0,88 a vykazovali lepšiu kalibrovanosť a presnosť ako pôvodné modely. Federované učenie sa ukázalo ako realizovateľné a efektívne na vývoj a validáciu klinických predikčných modelov s ochranou súkromia, čím prekonáva regulačné obmedzenia na zdieľanie údajov. Táto infraštruktúra umožňuje globálnu spoluprácu a podporuje pokrok v metódach analýzy údajov vrátane umelej inteligencie.