膝骨关节炎分级不再集中病历：十家机构各持特征列，异步联邦下报告准确率99.64%
膝骨关节炎的多模态诊断数据分散在不同机构，集中训练既贵又易泄露隐私。一套异步联邦学习方案把结构化病历、半结构化记录与影像先融合成可查询数据表，再在十家模拟机构上按纵向切分的特征列各自计算梯度，服务器端用Bulyan聚合与自适应差分隐私过滤恶意更新。在5580例膝骨关节炎数据上，该方案报告准确率99.64%、AUC 0.998，通信开销285MB，攻击成功率1.8%。
正在载入内容…
3 篇关联报道
膝骨关节炎的多模态诊断数据分散在不同机构，集中训练既贵又易泄露隐私。一套异步联邦学习方案把结构化病历、半结构化记录与影像先融合成可查询数据表，再在十家模拟机构上按纵向切分的特征列各自计算梯度，服务器端用Bulyan聚合与自适应差分隐私过滤恶意更新。在5580例膝骨关节炎数据上，该方案报告准确率99.64%、AUC 0.998，通信开销285MB，攻击成功率1.8%。
这项前瞻性单中心研究收集了40名2至17岁儿童（包括腭咽功能障碍患者、相关疾病患者及健康儿童）在言语语言病理学家指导下采集的语音样本，以CAPS-A-AM共识评分为参照，将高元音/i/和/u/的梅尔频谱图输入逻辑回归、EfficientNet-V2-S注意力多实例学习CNN以及CNN-XGBoost混合模型，在“无高鼻音(0)对比任何高鼻音(1-4)”和“无/边缘(0-1)对比轻至重度高鼻音(2-4)”两个阈值下进行二分类，结果显示多种独立建模方法均能识别临床评定的高鼻音，其中EfficientNet-V2-S在本队列中取得最高观测性能（F1=0.786-0.900），但置信区间重叠，尚无法证
该研究通过名义群体技术（2025年5月，n=6）与两轮改良德尔菲法（2026年4月至5月，专家组n=13，来自12家学术医学中心，第一轮应答率77%、第二轮100%）构建了美国首个专科特异性的急诊医学AI能力框架，最终形成5个主题（沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响）、5项派生能力（主题与能力一对一映射获13人中12人认可）、19个子主题和10个保留临床场景，所有主题、派生能力及被单独评分的子主题均达到预设共识阈值，10个场景中9个达到共识、1个作为未来态运行模型保留。
已读完全部报道