한 연구는 프라이버시를 보호하는 심혈관 질환 위험 예측을 위한 연관 딥러닝 접근 방식을 제시하며, 두 개의 인구 기반 코호트인 Lifelines와 Rotterdam Study를 통합합니다.

  • 이 방법은 자기 보고된 결과를 가진 Lifelines의 148,230명 참가자와 디지털 연결된 임상 결과를 가진 Rotterdam Study의 10,155명 참가자를 결합합니다.
  • 연관 학습을 사용하여 훈련된 딥 생존 모델은 연관이 없이 로컬에서 훈련된 모델보다 더 높은 예측 성능을 달성했습니다.
  • Rotterdam Study의 경우, C-통계량이 0.728에서 0.739로 증가했습니다.
  • Lifelines의 경우, C-통계량이 0.783에서 0.787로 증가했습니다.

이러한 발견은 이질적인 코호트 간 연관 딥러닝이 개인 수준의 환자 데이터의 프라이버시를 보호하면서 심혈관 질환 위험 예측을 개선할 수 있음을 시사합니다.