एक अध्ययन गोपनीयता को बनाए रखते हुए हृदय रक्त वाहिका रोग के जोखिम की भविष्यवाणी के लिए एक फेडरेटेड डीप लर्निंग दृष्टिकोण प्रस्तुत करता है जो दो जनसांख्यिकीय सहसूत्रों को एकीकृत करता है: लाइफलाइन्स और रॉटरडैम अध्ययन।
- विधि में आत्म-रिपोर्ट किए गए परिणामों के साथ लाइफलाइन्स से 148,230 भागीदारियों और डिजिटल रूप से जुड़े चिकित्सा परिणामों के साथ रॉटरडैम अध्ययन से 10,155 भागीदारियों को जोड़ा गया है।
- फेडरेटेड लर्निंग का उपयोग करके प्रशिक्षित गहरी उत्तरजीविता मॉडल ने बिना फेडरेशन के स्थानीय रूप से प्रशिक्षित मॉडलों की तुलना में उच्च भविष्यवाणी प्रदर्शन प्राप्त किया।
- रॉटरडैम अध्ययन के लिए, C-सांख्यिकी 0.728 से बढ़कर 0.739 हो गई।
- लाइफलाइन्स के लिए, C-सांख्यिकी 0.783 से बढ़कर 0.787 हो गई।
ये निष्कर्ष सुझाव देते हैं कि विषम सहसूत्रों के बीच फेडरेटेड डीप लर्निंग व्यक्तिगत स्तर के रोगी डेटा की गोपनीयता को बनाए रखते हुए हृदय रक्त वाहिका रोग के जोखिम की भविष्यवाणी में सुधार कर सकती है।