Исследование представляет подход федеративного глубокого обучения для прогнозирования риска сердечно-сосудистых заболеваний с сохранением конфиденциальности, который объединяет две когорты на основе популяции: Lifelines и Роттердамское исследование.
- Метод объединяет 148 230 участников из Lifelines с самоотчетными исходами и 10 155 участников из Роттердамского исследования с цифрово связанными клиническими исходами.
- Глубокие модели выживания, обученные с использованием федеративного обучения, достигли более высокой прогнозной производительности по сравнению с моделями, обученными локально без федерации.
- Для Роттердамского исследования C-статистика увеличилась с 0.728 до 0.739.
- Для Lifelines C-статистика увеличилась с 0.783 до 0.787.
Эти результаты указывают на то, что федеративное глубокое обучение в рамках гетерогенных когорт может улучшить прогноз риска сердечно-сосудистых заболеваний, сохраняя конфиденциальность данных пациентов на индивидуальном уровне.