Core Concepts
連合学習モデルを使用して、電子カルテデータから主要な術後合併症のリスクを正確に予測することができる。
Abstract
本研究では、2つの医療機関の電子カルテデータを用いて、主要な術後合併症のリスクを予測するための連合学習モデルを開発しました。
連合学習モデルは、単一の医療機関で学習したモデルよりも優れた一般化性能を示しました。これは、より大規模で多様なデータセットを活用できるためです。
連合学習モデルは、プールされたデータを用いて学習したモデルと同等の性能を示しました。ただし、データプライバシーの問題を解決できるという利点があります。
連合学習モデルの性能は、患者の性別、人種、年齢によって影響を受けることがわかりました。特に、データサイズの小さい医療機関では、データの偏りが問題となる可能性があります。
今後は、より多くの医療機関を含む大規模なデータセットを用いて、実際の運用環境での連合学習モデルの有効性を検証する必要があります。
Stats
年間約150,000人の患者が術後30日以内に死亡している。
術後合併症は最大32%の手術で発生する。
連合学習モデルのAUROCは、UFH GNVでは0.81-0.92、UFH JAXでは0.73-0.93の範囲であった。