面向组织病理学的全国性联邦学习：防火墙后的安全部署

联邦学习（FL）使得机构间无需共享敏感数据即可进行协作训练，为医学成像中的隐私保护AI提供了解决方案。然而，由于严格的数据保护法规、异构的基础设施以及防火墙后有限的网络可访问性，其在医院的部署仍然具有挑战性。我们介绍了TheODen，一个用于组织病理学全切片成像（WSI）联邦学习的开源框架。它无需开放客户端端口，通过安全的反向代理架构即可实现防火墙后的训练。据我们所知，我们进行了首个全国性联邦学习研究，在德国三家大学医院间，使用乳腺癌和结直肠癌数据集（未开放防火墙端口）进行结直肠癌组织病理学分割。尽管存在数据异构性和网络限制，TheODen实现了稳健的分割，在BCSS和SemiCOL数据集上的全局平均Dice分数分别为0.764和0.754。这些发现凸显了TheODen在促进医疗机构间安全、大规模协作以及在实际基础设施限制下加速AI模型临床转化方面的潜力，为未来的协作提供了一个隐私保护设计架构。