FederatedRSF : 部分重叠医疗数据的联邦随机生存森林

背景与问题

随着医疗数据的重要性日益凸显，跨机构共享临床和基因组数据对于提升生存预测模型的鲁棒性和通用性至关重要。然而，隐私法规和机构治理限制了这些数据的大规模跨中心整合。具体而言，在实际操作中，不同医疗机构收集的数据集特征空间存在异质性（feature-space heterogeneity），即各个站点采集不同的协变量或使用不同的测序面板，导致数据集间的特征集仅部分重叠。

核心内容

为了解决上述问题，研究团队开发了FederatedRSF，这是一个实现联邦随机生存森林的Python包。该方法的关键在于通过本地训练后不共享原始数据的方式进行模型聚合。具体流程如下：

1. 本地训练：各个参与站点独立地对本地数据集训练出多棵生存树。
2. 特征兼容性筛选：识别并保留特征空间重叠部分的树木，排除具有不同协变量的数据集对应位置的不兼容树。
3. 模型聚合与分发：将筛选后的特征兼容树重新分发至参与站点进行最终模型的聚合。

意义与影响

该研究通过在GBSG2乳腺癌队列数据上模拟特征异质性，评估了FederatedRSF的性能。采用重复交叉验证和站点划分的方法计算霍尔尔斯一致性指数（C-Index）来衡量预测能力。实验结果显示，在分布式特征条件下，联邦模型能够实现与集中式训练相当甚至略高的表现。这种机制不仅保护了患者的隐私信息，还提高了多机构合作进行精准医疗研究的可能性。

综上所述，FederatedRSF提供了一种实用的解决方案，允许在严格遵循数据安全和隐私规定的同时，通过联邦学习方法提高生存预测模型的有效性和泛化能力。