GrAUC-PFL

新的联邦学习方法优化 AUC 用于疾病预测模型

研究人员开发了一种名为地理正则化 AUC 最大化个性化联邦学习 (GrAUC-PFL) 的新方法，以应对构建传染病准确诊断和风险预测模型所面临的挑战。该方法允许医疗机构在不共享患者级别数据的情况下训练个性化模型，直接优化曲线下面积 (AUC) 性能。GrAUC-PFL 使用基于图的正则化来鼓励地理位置相近的机构之间的相似性，尤其是在其数据特征一致时，可以提高模型性能。