Anfang Februar hat Bjarne Pfitzner an der International Conference on Artificial Intelligence for Medicine, Health, and Care (AIMHC) in Laguna Hills bei Los Angeles teilgenommen – und hat den Best Student Paper Award erhalten. Seine Arbeit beschäftigt sich mit Federated Learning im Bereich Digital Health – und hat den Titel: "Differentially-Private Federated Learning with Non-IID Data For Surgical Risk Prediction" (Bjarne Pfitzner, Max M. Maurer, Axel Winter, Christoph Riepe, Igor M. Sauer, Robin van de Water and Bert Arnrich).
Der PhD-Student am Fachgebiet „Digital Health – Connected Healthcare“ von Prof. Bert Arnrich schreibt selbst über seine Arbeit:
„Federated Learning beschreibt eine Technik zum Trainieren von maschinellen Lernmodellen auf sensiblen und geschützten Daten (wie z. B. in der Medizin), die an verschiedenen Orten gesammelt wurden und nicht ohne weiteres in einer zentralen Datenbank konsolidiert werden können.
Wir betrachten in unserem Paper das Zusammenspiel von Federated Learning und sog. Differential Privacy, dem Einbringen von Rauschen (Gaussian Noise) in das Machine Learning Modell während des Trainingsprozesses. Dadurch wird das Risiko einer Rekonstruktion der Trainingsdaten aus dem fertigen Modell verhindert. Konkret analysieren wir eine Anwendung dieser Methodik in Situationen, bei denen nur wenige Trainingsteilnehmer geringe Datenmengen besitzen, die zusätzlich unterschiedliche statistische Charakteristika besitzen.
Wir konnten zeigen, dass in diesen Fällen das finale Modell für die Teilnehmer unterschiedlich gut funktioniert und daher nicht für alle den gleichen Mehrwert bietet. Als potentielle Lösung zeigen wir das Personalisieren des finalen Modells auf die spezifischen Daten der einzelnen Teilnehmer auf, wodurch die Modellperformance in allen Fällen verbessert werden konnte.
Das Paper entstammt einer Kollaboration mit unseren Partnern an der Charité - Universitätsmedizin Berlin, welche die Patientendaten zur Verfügung gestellt haben. Als medizinischen Use-Case betrachten wir die Vorhersage von Patientenmortalität und der Notwendigkeit einer Nachoperation für Patienten mit einem größeren chirurgischen Eingriff des Bauchraums.“
