Federated Learning in Healthcare: A Benchmark Comparison of Engineering and Statistical Approaches for Structured Data Analysis—— 医疗领域联邦学习：结构化数据分析中工程与统计方法的基准比较

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《Health Data Science》：Federated Learning in Healthcare: A Benchmark Comparison of Engineering and Statistical Approaches for Structured Data Analysis

【字体：大中小】 时间：2025年02月10日 来源：Health Data Science

编辑推荐：

　　本文评估了 7 种联邦学习（FL）框架，包括工程和统计领域的算法，并与局部和集中式建模对比。研究发现统计 FL 算法估计模型系数偏差更小，工程方法预测性能略优。为 FL 在医疗领域应用提供方法选择建议，助力其发展。

为了促进科学的传播，生物通采集了这篇文章，订阅Biohot解锁原文索取

一、研究背景

随着隐私法规的实施，传统数据共享策略在跨机构医学研究合作中面临挑战，联邦学习（Federated Learning，FL）应运而生。它作为一种机器学习范式，能让多个参与方（客户端）在不交换或传输数据的情况下，协作解决建模问题，保护数据隐私。在临床 FL 中，除了预测任务，准确估计重要因素与临床结果之间的关联（点估计）也至关重要，它能指导干预措施的制定和资源分配。虽然工程界正式提出了 “FL” 这一术语，但统计领域早就在研究类似的隐私保护算法，只是在医疗研究中未得到足够关注。工程和统计领域的 FL 算法存在差异，工程算法通常更注重预测能力，具有模型无关性；统计算法则更强调点估计的准确性，往往针对特定模型设计。目前还没有对这两个领域的 FL 方法进行实证比较，本研究旨在填补这一空白。

二、材料和方法

研究评估了 7 种 FL 框架，其中 3 种基于统计，分别是 Grid binary LOgistic REgression（GLORE）、Divide-and-Conquer（DAC）和 data-Shielding High-dimensional Integrative Regression（SHIR）；4 种基于工程，包括 FedAvg、FedAvgM、-FedAvg 和 FedProx。这些框架用于逻辑回归和最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，Lasso）回归。评估分为两个阶段：首先用模拟数据评估，模拟数据来自 3 个客户端站点和一个中央数据集，涵盖数据分布基于均值和方差的变化以及模型变化 3 种场景；然后用来自 Medical Information Mart for Intensive Care IV Emergency Department（MIMIC-IV-ED）数据库和新加坡总医院（Singapore General Hospital，SGH）急诊科的真实临床数据评估，对数据进行同质和异质分区，并进行不同组合的联邦学习设置。

三、实验过程

GLORE、DAC 和 SHIR 框架通过改编相应的开源代码实现，FedAvg、FedAvgM 和-FedAvg 算法利用 Flower 框架实现，FedProx 算法采用其开源代码。GLORE 的迭代轮数根据连续两个值的距离确定，4 种工程框架的迭代轮数通过实证测试和微调确定。研究发现学习率对工程 FL 算法收敛影响较小，主要影响时间效率。

四、研究结果

广告免费获取QuantiNova定量试剂试用资格

预测任务性能：在模拟数据低维场景设置 I 中，单站点内所有 FL 框架在预测任务准确性上无显著差异，FedProx 的参数 “” 对预测任务性能影响较小。在真实数据实验中，工程 FL 模型有时比集中式分析具有更高的预测准确性，如 FedAvg、FedAvgM 和-FedAvg 在异质分区 MIMIC 数据的站点 1 测试数据上，以及 FedAvg 和 FedAvgM 在 MIMIC 和 SGH 联合数据的 SGH 客户端上表现显著优于中央模型。
系数估计的相对偏差和置信区间（Confidence Interval，CI）：在模拟数据低维场景设置 I 中，GLORE、FedAvg、FedAvgM 和-FedAvg 在点估计的相对偏差上无显著差异，FedProx 的参数 “” 会导致点估计偏差显著不同。GLORE 能直接估计 CI，且模拟数据下覆盖率超 90%，但在站点间效应大小异质时，对各站点点估计的覆盖率可能不可靠。在高维场景中，工程方法的真阳性率（True Positive Rate，TPR）虽高，但阳性预测值（Positive Predictive Value，PPV）极低，变量选择能力弱；而统计方法 DAC 和 SHIR 在 TPR 和 PPV 上表现更平衡，PPV 值超过中央模型。
通信成本：模拟数据实验中，GLORE、DAC 和 SHIR 比工程方法通信效率更高，SHIR 只需 1 轮通信，DAC 预定 3 轮通信有效，GLORE 平均通信轮数少于 6 轮，工程方法至少需 10 轮收敛。真实数据实验中，GLORE 在通信成本上仍优于其他方法，FedProx 通信效率相对较低。

五、讨论

许多研究主要关注 FL 在预测领域的应用，本研究为临床结构化数据分析应用 FL 框架提供了实用建议。在非预测 FL 任务中，统计 FL 框架更具优势，其能方便估计模型参数的 CI，且理论上参数估计更准确、假设检验更可靠；但统计方法处理数据异质性时，模型特定开发的复杂性限制了其通用性。工程方法在处理数据异质性方面有更广泛的适用性，但在非预测任务中可能引入更多偏差。工程方法在真实数据预测性能上有时优于中央和局部模型，这可能与随机梯度下降（Stochastic Gradient Descent，SGD）提供的隐式正则化有关，它使模型在测试数据上的泛化和预测性能更好，但也可能导致参数估计偏差。在实际应用中，统计方法实现技术难度较低，不需要中央服务器；工程方法通常需要中央服务器，建立安全系统可能面临困难。