导航现实世界的挑战:关于计算病理学的联合学习的案例研究.
Lydia A Schoenpflug1,2, Ruben Bagan Benavides3, Marta Nowak1
1Department of Pathology and Molecular Pathology, University Hospital and University of Zurich, Zurich, Switzerland.
Journal of pathology informatics
|August 18, 2025
概括
联合学习 (FL) 能够在保护数据隐私的同时,为计算病理学 (CPATH) 提供协作模式培训. 现实世界中的实施揭示了性能,实验持续时间,基础设施和管理方面的挑战,需要实际解决方案.
科学领域:
- 计算病理学计算病理学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 联合学习 (FL) 为协作深度学习模型培训提供了一种保护隐私的方法.
- 现有的研究往往忽视了现实世界联合学习应用中的实际挑战,特别是在像计算病理学 (CPATH) 这样的敏感领域.
研究的目的:
- 为了透明地记录在现实世界实施联合学习的临床计算病理学用例中遇到的挑战和实际考虑.
- 为了解决在转移性黑色素瘤中数字免疫表型化部署FL的基础设施,网络和运营障碍提供见解.
主要方法:
- 使用NVIDIA FLARE建立了一个联合学习框架,涉及三个客户端和四个国际机构的中央服务器.
- 深度学习模型被联合训练用于转移性黑色素瘤的数字免疫表型,注意系统和数据异质性.
- 开发了用于网络限制和实验管理的解决方案,包括AWS部署和优化本地客户端时代.
主要成果:
- 联合学习模型在客户端测试集中表现出强的表现,尽管并非普遍优于所有本地模型.
- 由于异质性,实验持续时间是一个重大挑战,通过优化本地客户端时代来缓解.
- 网络限制需要创意基础设施解决方案,例如在AWS上部署服务器.
- 有效的实验管理需要大量的IT专业知识和熟悉NVIDIA FLARE平台.
结论:
- 在CPATH中实现现实世界联合学习提出了超出模拟环境的独特,实际挑战.
- 分享这些挑战的透明度对于推动医疗保健中FL采用至关重要.
- 为了在临床环境中成功部署FL,需要进一步开发最佳实践和准则.
相关概念视频
01:22Case Studies
There are many research methods available to psychologists in their efforts to understand, describe, and explain behavior and the cognitive and biological processes that underlie it.
01:29Distance Problem
When an object's velocity changes over time, the total distance traveled can be determined by summing small displacement intervals over short increments. This approach approximates the true distance through numerical summation and the use of integral calculus. An estimate of the total displacement can be obtained by measuring velocity at regular intervals and multiplying each value by the corresponding time step.If a runner accelerates over the first three seconds of a race, speed measurements...