7、癌症患者数据处理中联邦学习的应用与实现

癌症患者数据处理中联邦学习的应用与实现

1. ASCAPE系统概述

ASCAPE系统基于微服务架构，其生态系统的软件组件形成了三个不同的模块：
- ASCAPE边缘和云 ：边缘组件位于医院，主要任务是同步从医疗信息系统（HIS）和外部数据聚合器收集的数据，同时在保护数据隐私的前提下进行本地和全局模型的训练，并提供预测功能。
- 外部数据聚合器 ：负责收集HIS未直接收集的数据，如天气数据、可穿戴设备（如Fitbit）收集的数据等。
- 试点站点特定集成组件 ：主要负责收集数据并将其传输到ASCAPE边缘组件，用于训练和推理操作。

这些模块支持以下工作流程：
- 数据摄取 ：将数据从HIS传输到安装在医疗机构的ASCAPE边缘组件。首先要将数据转换为适合ASCAPE环境使用的格式，还可以通过纳入HIS未收集的数据（如天气数据）来丰富数据。
- 预测模型训练 ：聚合的数据可用于训练众多机器学习/联邦学习（ML/FL）模型，支持三种不同的情况：本地模型训练、全局联邦模型训练和同态加密全局模型训练。本地模型训练涵盖多种算法，如支持向量机、随机森林分类器/回归器等。所有模型都要根据本地验证数据进行验证，只有在验证数据上表现最佳的模型才会被保留并用于后续的推理请求。
- 个性化AI预测和模拟 ：医生可以为个别患者请求个性化的生活质量（QoL）预测，推理请求会发送到所有模型（本地、全局联邦和同态加密模型）。还可以使用现有模型模拟各