FMLCA:説明可能な,プライバシーを守る,患者の心臓病を予測するための,統合された機械学習分類アルゴリズム

科学分野:

• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 医療情報工学 医療情報工学
• コンピュータ生物学 コンピュータ生物学

背景:

• 心臓病は,世界の主要な死因です.
• 機械学習 (ML) モデルは,冠動脈疾患 (CAD) を予測するためにますます使用されています.
• フェデラート・ラーニング (FL) は,データプライバシーを維持しながら,コラボレーションモデルトレーニングを可能にします.

研究 の 目的:

• CAD予測のためのFMLCA (Federated Machine Learning Classification Algorithms) を開発し,評価する.
• 意思決定ツリー,AdaBoost,KNN,ランダムフォレスト,XGBoostなど,様々なMLモデルのパフォーマンスを評価する.
• k-匿名性などのプライバシー保護のテクニックを組み込み,モデルの解釈可能性のためにSHAPを使用します.

主な方法:

• クラウドコンピューティングプラットフォームでFMLCAの実装.
• プライバシー保護のためのk-匿名性の適用.
• SHAPLEY ADDITIVE EXPLANATIONS (SHAP) を利用して特性の重要性分析を行う.
• CAD予測のための複数のML分類アルゴリズムの比較.

主要な成果:

• ランダムフォレスト (RF) モデルは,評価されたアルゴリズムの中で優れたパフォーマンスを示しました.
• RFモデルでは,プライバシーが保たれても83.21%の精度,保たれても84.49%の精度を達成した.
• SHAP分析は,CADの主要な予測特性を特定することによって,透明性を提供しました.

結論:

• クラウドベースのFMLCAは,分散された環境で効率的かつ正確なCAD予測を提供します.
• この研究は,予測医療におけるプライバシーとセキュリティの重要性を強調しています.
• このアプローチは,患者中心のヘルスケアエコシステムをサポートする,予測可能なヘルスケアツールを進歩させています.