[论文解读] A Tree-based Federated Learning Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources.

Xiaoqing Tan, Chung‐Chou H. Chang+1 more|arXiv (Cornell University)|Mar 10, 2021

Advanced Causal Inference Techniques参考文献 50被引用 7

一句话总结

本文提出了一种基于树的联邦学习框架，可在异构医疗数据源之间实现个性化治疗效果估计，同时通过各机构特定的划分方式建模机构层面的异质性。通过利用多医院电子病历网络，该方法提升了统计效率与可解释性，在氧气饱和度对住院死亡率的影响上展示了稳健的因果推断能力。

ABSTRACT

Federated learning is an appealing framework for analyzing sensitive data from distributed health data networks. Under this framework, data partners at local sites collaboratively build an analytical model under the orchestration of a coordinating site, while keeping the data decentralized. While integrating information from multiple sources may boost statistical efficiency, existing federated learning methods mainly assume data across sites are homogeneous samples of the global population, failing to properly account for the extra variability across sites in estimation and inference. Drawing on a multi-hospital electronic health records network, we develop an efficient and interpretable tree-based ensemble of personalized treatment effect estimators to join results across hospital sites, while actively modeling for the heterogeneity in data sources through site partitioning. The efficiency of this approach is demonstrated by a study of causal effects of oxygen saturation on hospital mortality and backed up by comprehensive numerical results.

研究动机与目标

• 解决在具有异构数据源的联邦医疗数据网络中估计个性化治疗效果的挑战。
• 开发一种方法，能够在不集中敏感患者数据的情况下，考虑数据分布中的机构层面变异性。
• 在分布式电子病历中提升因果推断的统计效率与模型可解释性。
• 在保持数据去中心化与隐私保护的前提下，实现医院间的协作模型训练。

提出的方法

• 该方法采用基于树的集成模型，通过按机构划分数据以捕捉治疗效果中的机构特异性异质性。
• 利用联邦学习在不共享原始数据的前提下跨医院协作训练模型，从而保持数据隐私。
• 在树集成框架内整合机构层面的划分，以增强模型的灵活性与个性化能力。
• 通过中央协调机构的协同聚合过程更新模型参数，确保本地模型间的一致性。
• 该框架支持在数据异质性条件下对个体化治疗效果的估计与推断。
• 利用多医院电子病历网络，在真实临床环境中验证该方法的性能。

实验结果

研究问题

• RQ1 在多个医疗机构之间存在异质性数据的情况下，如何改进个性化治疗效果的估计？
• RQ2 对机构层面变异性进行建模，对联邦学习中因果推断的准确性与可靠性有何影响？
• RQ3 基于树的集成方法能否在去中心化医疗数据分析中有效平衡模型可解释性与统计效率？
• RQ4 与假设各机构数据同质性的标准联邦学习方法相比，该方法在估计精度与鲁棒性方面表现如何？

主要发现

• 通过显式建模数据源中的机构层面异质性，该方法显著提升了估计效率。
• 基于树的集成框架增强了在多样化医院人群中的个性化治疗效果的可解释性。
• 全面的数值结果证实了该方法在因果推断任务中的稳健性与优越性能。
• 该方法在多个医院中对氧气饱和度对住院死亡率的因果效应估计中表现出强劲的实证性能。
• 在不集中数据的前提下进行联邦训练，既保护了隐私，又实现了高模型准确率。
• 该方法优于假设各机构数据同质性的标准联邦学习方法。