隐私保护的基于多中心调查数据的疼痛强度变化预测
原文中文，约400字，阅读约需1分钟。发表于：。本文解决了如何在保护隐私的情况下利用多中心患者调查数据构建精准的预后模型的问题。研究采用隐私保护的联邦学习技术，证明其在不同健康结果预测中的有效性，结果显示，联邦模型在性能上与集中模型相当，且优于地方模型。此研究有望改进医疗数据利用，提升预测准确性。
本研究提出了一种名为FedSurF++的Federated Survival Forest算法的扩展，用于医疗领域的生存分析。该算法在异构联邦中构建随机生存森林，具有高效、鲁棒和隐私保护的特点。实证调查结果表明，FedSurF++在医疗领域取得了成功，并展示了其在分布式环境中提高生存分析可伸缩性和效果的潜力。
