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: