『』腾讯天衍实验室联合微众银行研发医疗联邦学习,脑卒中预测准确率达 80%( 二 )


对疾病预测模型所需特征进行标准与归一化后 , 再将标准化模型部署到不同医院 , 各医院按照该标准对自有的疾病、用药、检验检查、症状、手术等方面的数据进行清洗 , 形成各自的标准化的疾病标签集与医疗特征集 , 再以此建立巢式病例对照研究队列 , 基于联邦学习算法协议 , 有效训练机器学习模型 。
通过使用来自就诊记录数量TOP5的医院真实就诊数据验证 , 联邦学习模型和集中训练模型表现几乎一致 , 在脑卒中预测模型中的准确率达到80% , 仅比集中训练模型准确率降低1% 。
同时 , 联邦学习技术显著提升了不同医院的独立模型效果 , 特别是 , 对于两家脑卒中确诊病例数量较少的医院而言 , 联邦学习分别提升其准确率10%和20%以上 。
【『』腾讯天衍实验室联合微众银行研发医疗联邦学习,脑卒中预测准确率达 80%】除疾病预测模型外 , 双方还会围绕联邦学习在医疗大数据领域的应用落地进行更多维度的合作 , 包括医保控费、合理诊断、精准医疗等领域 , 例如通过联邦学习助力电子健康卡实现保护用户隐私建模等等 , 进而促进医疗健康产业发展 , 提升医疗服务的质量 。雷锋网


推荐阅读