Un estudio presenta un enfoque de aprendizaje profundo federado para la predicción del riesgo de enfermedades cardiovasculares que preserva la privacidad e integra dos cohortes basadas en la población: Lifelines y el Estudio de Rotterdam.
- El método combina 148.230 participantes de Lifelines con resultados autoinformados y 10.155 participantes del Estudio de Rotterdam con resultados clínicos vinculados digitalmente.
- Los modelos de supervivencia profunda entrenados mediante aprendizaje federado lograron un rendimiento predictivo superior a los modelos entrenados localmente sin federación.
- Para el Estudio de Rotterdam, la C-estadística aumentó de 0.728 a 0.739.
- Para Lifelines, la C-estadística aumentó de 0.783 a 0.787.
Estos hallazgos sugieren que el aprendizaje profundo federado entre cohortes heterogéneas puede mejorar la predicción del riesgo de enfermedades cardiovasculares mientras preserva la privacidad de los datos de pacientes a nivel individual.