ABPS-X

新框架优化医疗中心的联邦学习

研究人员开发了自适应贝叶斯伙伴选择（ABPS），一个旨在改善医疗保健领域联邦学习的点对点框架。该方法通过使临床中心能够根据预测效用智能选择协作者来解决数据异质性和概念漂移等挑战。ABPS使用具有Shapley值和上限置信度准则的贝叶斯方法来管理通信成本并避免负迁移，甚至允许在有益时进行有意隔离。使用MIMIC-IV数据进行的院内死亡率预测实验表明，ABPS-X能够以显著降低的通信开销和可变性匹配强大的联邦基线。