文章介紹
傳統研究上，由於隱私問題，醫院之間的數據分享非常有挑戰性。為了解決這個問題，該研究採用了一種新的方法，稱為聯邦學習（Federated Learning，FL）。
黃俊德醫師與其團隊，使用台中榮總的重症監護資料庫，以及台灣四個轉診中心的電子病歷記錄，進行了 AKI 預測模型的訓練和驗證，並建立一個跨醫院的 FL 預測模型。
結果顯示，該模型能準確地使用不同的機器學習算法預測 AKI。該研究還表明所選特徵是重症患者 AKI 的關鍵臨床組成部分。此外，當在四個中心都實施時，基於 FL 的預測模型，在性能方面還能有稍微提升。
該研究的結果表明，聯邦學習（FL）是一種可以作為預測模型還能同時保護病患隱私的有效方法。
在不影響隱私的條件下進行數據整合，一直是許多領域存在的問題。在有興趣的專業領域，找出未被滿足的需求，是非常好的論文切入點，甚至還能發表在不錯的期刊上。
恭喜黃醫師！
辛苦寫的論文被退稿了，審閱意見該照單全收嗎？來聽看看蔡校長的建議：
期刊介紹
Health Information Science and Systems 創刊於 2013 年，2022 年的 impact factor 為 6.0，在 Medical Informatics 領域為 Q2(8/31) 期刊。
黃俊德醫師與新思惟
- 黃俊德醫師所參加的《醫學論文與寫作工作坊》第七梯次
- 黃俊德醫師所參加的《醫學簡報與電子壁報工作坊》第二十二梯次
- [快訊] 黃俊德醫師參與團隊，關於急性腎損傷領域的新進展回顧，獲 Nature Reviews Nephrology刊登！
最新活動