Apprendimento Federato Valutato per la Predizione della Mortalità su Dati Clinici

Uno studio recente valuta cinque strategie per l'apprendimento federato (FL)—FedAvg, FedProx, FedAdagrad, FedAdam e FedCluster—focalizzate sulla predizione della mortalità intraospedaliera utilizzando il dataset MIMIC-IV. L'analisi coinvolge 466.351 ricoveri provenienti da cinque unità di cura, stabilendo un ambiente realistico non-IID (non indipendente e identicamente distribuito), completato da un pannello di laboratorio di 11 elementi dalle prime 24 ore. Con un tasso di mortalità dell'1,98%, la ricerca utilizza AUC-ROC e AUC-PR come metriche principali indipendenti dalla soglia invece di F1. Oltre 50 round e cinque semi casuali, FedProx registra il più alto AUC-ROC (0,897) e AUC-PR medio (0,230), con test t appaiati che convalidano il suo significativo vantaggio in AUC-ROC rispetto ad altri metodi. Al contrario, FedCluster (0,280) supera leggermente FedProx (0,273) nel punteggio F1. Questo studio sottolinea la necessità di valutare l'FL nel contesto di dati clinici eterogenei e sbilanciati.