Adaptación de dominio federado no supervisado que preserva la privacidad con aplicación a la predicción de la edad a...

Área de la Ciencia:

• Análisis de datos biomédicos
• Aprendizaje automático en la salud
• Biología computacional

Sus antecedentes:

• La generalización de modelos de aprendizaje automático en conjuntos de datos biológicos pequeños y de alta dimensión es un desafío debido a los cambios de dominio y las restricciones de privacidad.
• Los métodos de adaptación de dominio federado (FDA) existentes, a menudo basados en aprendizaje profundo, no son adecuados para tareas de regresión a pequeña escala sensibles a la privacidad en biomedicina.

Objetivo del estudio:

• Introducir un método federado de preservación de la privacidad para la adaptación de dominio sin supervisión en regresión.
• Permitir un aprendizaje robusto a través de conjuntos de datos biológicos distribuidos y de alta dimensión, manteniendo al mismo tiempo la privacidad total de los datos.

Principales métodos:

• Desarrolló un nuevo método federado para la adaptación de dominios utilizando procesos gaussianos.
• Técnicas implementadas para preservar la privacidad, incluida la codificación aleatoria y la agregación segura.
• Diseñó el método específicamente para datos biológicos de pequeña escala y alta dimensión.

Principales resultados:

• El método permite el entrenamiento distribuido de los procesos gaussianos para la adaptación del dominio con privacidad completa de los datos.
• Se ha obtenido un rendimiento comparable al de los métodos de vanguardia no privados en la predicción de la edad a partir de datos de metilación del ADN.
• Escalabilidad y generalización demostradas para datos biológicos de pequeña escala y alta dimensión.

Conclusiones:

• Este trabajo permite una colaboración interinstitucional segura y eficaz en la investigación biomédica sin compartir datos en bruto.
• El método propuesto supera las limitaciones de los enfoques existentes de la FDA para los problemas de regresión sensibles a la privacidad.
• Facilita la generalización robusta del modelo de aprendizaje automático en conjuntos de datos biológicos heterogéneos.