本研究は、プライバシーを保護する心血管疾患リスク予測のための連合深層学習手法を示し、2つの人口ベースのコホートであるLifelinesとRotterdam Studyを統合している。

  • この手法は、自己報告されたアウトカムを持つLifelinesの148,230人の参加者と、デジタルリンクされた臨床アウトカムを持つRotterdam Studyの10,155人の参加者を組み合わせる。
  • 連合学習を使用して訓練された深層生存モデルは、連合なしでローカルに訓練されたモデルよりも高い予測性能を達成した。
  • Rotterdam Studyの場合、C統計量は0.728から0.739に増加した。
  • Lifelinesの場合、C統計量は0.783から0.787に増加した。

これらの知見は、異質なコホート間で連合深層学習を行うことが、個人レベルの患者データのプライバシーを保護しながら心血管疾患リスク予測を改善できることを示唆している。