Um estudo apresenta uma abordagem de aprendizado profundo federado para previsão de risco de doenças cardiovasculares que preserva a privacidade e integra duas coortes baseadas na população: Lifelines e o Estudo de Rotterdam.
- O método combina 148.230 participantes do Lifelines com desfechos autorrelatados e 10.155 participantes do Estudo de Rotterdam com desfechos clínicos vinculados digitalmente.
- Modelos de sobrevivência profunda treinados usando aprendizado federado alcançaram desempenho preditivo superior aos modelos treinados localmente sem federação.
- Para o Estudo de Rotterdam, a C-estatística aumentou de 0.728 para 0.739.
- Para o Lifelines, a C-estatística aumentou de 0.783 para 0.787.
Esses achados sugerem que o aprendizado profundo federado entre coortes heterogêneas pode melhorar a previsão do risco de doenças cardiovasculares enquanto preserva a privacidade dos dados dos pacientes em nível individual.