在训练院内死亡预测模型的同时保护患者隐私

机器学习模型可用于医学数据中的模式识别，以改善患者预后，例如预测院内死亡。特别是深度学习模型需要大量数据进行模型训练。然而，数据通常收集于不同医院，且由于患者隐私问题，数据共享受到限制。在本文中，我们旨在展示分布式训练在保持数据隐私的同时达到最先进性能的潜力。我们的结果表明，在联邦学习框架下训练模型可取得与传统集中式设置相当的性能。我们还提出了若干使此类框架在未来工作中取得成功的考量。