研究人员开发了DiSAH，一种新颖的用于生存数据分析的联邦算法，它支持多中心协作而无需共享患者级别的数据。该方法使用非迭代结构来聚合汇总统计数据，无需中央服务器即可保护隐私。DiSAH是第一个能够估计风险差异的联邦方法，这对于理解风险因素对事件发生率的影响至关重要。DiSAH应用于来自美国和新加坡近5万名急诊科患者的数据集，其准确性与集中式分析相当，并识别了个别中心无法检测到的死亡风险因素。 AI
影响 这种新的联邦学习方法可以通过允许机构在不损害隐私的情况下对敏感数据进行协作，从而实现更强大的医学研究。
排序理由 该集群包含一篇关于新的统计分析算法的arXiv预印本。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
