MyDigiTwin: A Privacy-Preserving Framework for Personalized Cardiovascular Risk Prediction and Scenario Exploration

要約

心血管疾患（CVD）は依然として主な死因であり、個別化された介入による一次予防が重要です。
このペーパーでは、医療デジタル ツインを個人の健康環境と統合し、患者がデータ プライバシーを確​​保しながらパーソナライズされた健康シナリオを探索できるようにするフレームワークである MyDigiTwin について紹介します。
MyDigiTwin はフェデレーテッド ラーニングを使用して、生データを転送せずに分散データセット全体で予測モデルをトレーニングします。また、新しいデータ調和フレームワークは、医療データのセマンティックおよびフォーマットの不一致に対処します。
概念実証では、コホート データを調和させて使用して、プライバシーを保護する CVD 予測モデルをトレーニングする実現可能性を実証します。
このフレームワークは、プロアクティブで個別化された心臓血管ケアのためのスケーラブルなソリューションを提供し、実際の医療現場での将来のアプリケーションの準備を整えます。

要約(オリジナル)

Cardiovascular disease (CVD) remains a leading cause of death, and primary prevention through personalized interventions is crucial. This paper introduces MyDigiTwin, a framework that integrates health digital twins with personal health environments to empower patients in exploring personalized health scenarios while ensuring data privacy. MyDigiTwin uses federated learning to train predictive models across distributed datasets without transferring raw data, and a novel data harmonization framework addresses semantic and format inconsistencies in health data. A proof-of-concept demonstrates the feasibility of harmonizing and using cohort data to train privacy-preserving CVD prediction models. This framework offers a scalable solution for proactive, personalized cardiovascular care and sets the stage for future applications in real-world healthcare settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google