La sfida FedSurg stabilisce un punto di riferimento per l'apprendimento federato nell'analisi video chirurgica

La FedSurg EndoVis 2024 Challenge, descritta nel documento arXiv 2510.04772, segna il primo sforzo di benchmarking globale incentrato sull'apprendimento federato (FL) nel campo della visione chirurgica. Questa iniziativa è stata testata come prova di concetto utilizzando un dataset multicentrico di appendicectomie laparoscopiche, una sezione preliminare di Appendix300. Tre proposte sono state valutate per la loro capacità di generalizzare a un centro non visto e di adattarsi specificamente a singoli centri. I basamenti dell'apprendimento centralizzato e dello Swarm Learning hanno aiutato a differenziare gli effetti della complessità del compito e della decentralizzazione sulle prestazioni. Nonostante l'aggregazione centralizzata dei dati, il compito ha raggiunto solo un F1-score del 26,31% nel centro non visto, con l'addestramento decentralizzato che ha portato a un ulteriore e distinto calo delle prestazioni. La sfida sottolinea la necessità di dati multi-istituzionali per creare IA chirurgica generalizzabile, mentre i problemi di privacy dei pazienti ostacolano la condivisione diretta dei dati, posizionando il FL come soluzione promettente. Tuttavia, l'uso del FL per dati video chirurgici complessi e spaziotemporali rimane in gran parte non testato.