基于联邦学习的肾脏透析患者生存预测
机器学习
2024-12-17 v1 人工智能
摘要
接受肾脏移植捐赠名单的肾脏透析患者可能会被误识别，从而延迟其等待时间。因此，预测其生存时间对于优化等待名单和个性化治疗方案至关重要。预测患者生存时间通常需要大量高质量但敏感的数据。这种数据被孤立存在，由于单个数据集规模较小且样本性价值较低，本地训练的生存模型性能不如集中式模型。因此，我们提出在预测肾脏透析患者生存时间的语境下使用联邦学习。联邦学习 (FL) 虽然应用日益增多，但在生存分析甚至更少见于透析患者仍属稀疏领域。本文研究了来自印度最大私营透析中心网络NephroPlus的透析患者数据的 FL 性能。
引用
@article{arxiv.2412.10919,
title = {Predicting Survival of Hemodialysis Patients using Federated Learning},
author = {Abhiram Raju and Praneeth Vepakomma},
journal= {arXiv preprint arXiv:2412.10919},
year = {2024}
}
备注
6 pages, 2 figures, 4 tables, Presented at MIT Undergraduate Research Technology Conference and to be published as conference proceeding at IEEE Xplore