Health-FedNet: التعلم الفدرالي الآمن لتنبؤ الأمراض المزمنة على MIMIC-III مع الخصوصية التفاضلية والتشفير التماثلي

لماذا تحتاج بياناتك الطبية إلى أنواع جديدة من الأقفال

تتجه المستشفيات الحديثة إلى الذكاء الاصطناعي لاكتشاف الأمراض مبكراً وتفصيل العلاجات، لكن هذه القدرة تأتي مع مشكلة: تتعلم الحواسيب أفضل من مجموعات ضخمة من سجلات المرضى التي تكون حساسة للغاية بحيث لا يمكن جمعها في مكان واحد. تقدم هذه الورقة Health-FedNet، طريقة جديدة للمستشفيات لتدريب أدوات تنبؤ قوية للأمراض المزمنة مثل السكري وارتفاع ضغط الدم مع إبقاء تفاصيل المرضى محمية داخل كل مؤسسة. تُظهر كيف يمكننا الحصول على فوائد الطب القائم على البيانات الكبيرة دون خلق هدف مغرٍ واحد للقراصنة أو خرق قوانين الخصوصية.

الاستشهاد: Shahid, M.I., Badar, H.M.S., Asghar, M.N. et al. Health-FedNet: secure federated learning for chronic disease prediction on MIMIC-III with differential privacy and homomorphic encryption. Sci Rep 16, 7968 (2026). https://doi.org/10.1038/s41598-026-36034-y

الكلمات المفتاحية: التعلم الفدرالي, خصوصية بيانات الصحة, تنبؤ الأمراض المزمنة, أمن الذكاء الاصطناعي الطبي, مشاركة بيانات المستشفيات