FedAgain: A Trust-Based and Robust Federated Learning Strategy for an Automated Kidney Stone Identification in Ureteroscopy

1. Planteamiento del Problema

La aplicación de la Inteligencia Artificial (IA) en el diagnóstico médico, específicamente en la identificación de cálculos renales mediante ureteroscopia, enfrenta tres desafíos críticos que limitan su despliegue clínico:

• Heterogeneidad de Datos y Privacidad: Los datos médicos están fragmentados entre diferentes instituciones debido a regulaciones de privacidad (como HIPAA y GDPR). Centralizar estos datos es inviable, lo que requiere métodos de aprendizaje colaborativo sin compartir datos crudos.
• Robustez ante Corrupción de Imágenes: Las imágenes endoscópicas son inherentemente ruidosas y susceptibles a perturbaciones como desenfoque por movimiento, reflejos especulares, variaciones de iluminación y obstrucciones por instrumentos quirúrgicos. Los modelos entrenados en condiciones ideales suelen fallar en entornos clínicos reales.
• Limitaciones del Aprendizaje Federado (FL) Estándar: Los algoritmos tradicionales de FL (como FedAvg) asumen que todos los clientes (hospitales) contribuyen con datos de calidad similar. Sin embargo, en la práctica, algunos clientes pueden tener datos de baja calidad, distribuciones no idénticas e independientes (non-IID) extremas, o incluso comportamientos adversarios, lo que degrada el modelo global.

2. Metodología: FedAgain

El artículo propone FedAgain, una estrategia de Aprendizaje Federado basada en la confianza diseñada para mejorar la robustez y la generalización en entornos descentralizados y ruidosos.

Mecanismo de Doble Confianza

La innovación central de FedAgain es un mecanismo de ponderación dinámica que evalúa a cada cliente en cada ronda de entrenamiento basándose en dos señales complementarias:

1. Error de Referencia (Benchmark Error - $E_k$): Mide el rendimiento del modelo global actual sobre el conjunto de validación local del cliente antes de realizar el entrenamiento local. Un error alto indica que la distribución de datos del cliente no es representativa o es de baja calidad.
2. Divergencia de Parámetros ($D_k$): Calcula la distancia (norma L2) entre los pesos actualizados localmente y los pesos globales del servidor. Una divergencia excesiva sugiere que el cliente está "desviándose" del optimo global, posiblemente debido a datos corruptos o actualizaciones maliciosas.

Cálculo del Peso de Confianza

El servidor calcula un puntaje de confianza ($T_k$) para cada cliente $k$ combinando estas dos métricas:
$$T_k = \frac{1}{E_k \cdot D_k + \varepsilon}$$
Donde $\varepsilon$ es una constante pequeña para evitar la división por cero.

• Aggregación Ponderada: Los puntajes de confianza se normalizan para obtener pesos finales ($\hat{T}_k$) que se utilizan para promediar las actualizaciones de los modelos locales.
• Efecto: Los clientes con alto error o alta divergencia reciben pesos bajos (su influencia se reduce), mientras que los clientes confiables y estables dominan la actualización del modelo global. Esto convierte la detección de anomalías en un componente activo del bucle de entrenamiento, en lugar de un filtro pasivo.

3. Contribuciones Clave

1. Primera aproximación FL robusta para identificación de cálculos renales: Es el primer enfoque de aprendizaje federado para el reconocimiento in-vivo de tipos de cálculos renales que aborda explícitamente la robustez ante corrupción de imágenes y la fiabilidad de los clientes.
2. Estrategia de Agregación Ponderada por Confianza: Introduce una regla de agregación simple pero efectiva que no requiere detección de outliers explícita ni ajuste específico para ataques, adaptándose dinámicamente a entornos heterogéneos y corruptos.
3. Marco de Evaluación Exhaustivo: Se proporciona un código reproducible en PyTorch que evalúa el método en:
   • Dos benchmarks públicos (MNIST, CIFAR-10).
   • Tres conjuntos de datos clínicos de cálculos renales (dos privados y uno público: MyStone).
   • Escenarios de estrés con tasas de corrupción de datos del 10% al 50% y diversos niveles de severidad.
4. Validación Empírica: Demuestra que FedAgain supera a los métodos basales (FedAvg, FedProx, FedMedian, Bulyan) en precisión y estabilidad, especialmente bajo condiciones adversas.

4. Resultados Experimentales

Los experimentos se realizaron con configuraciones de 10 a 20 clientes, simulando distribuciones de datos non-IID (sesgo de etiquetas y distribución Dirichlet) y clientes corruptos.

• Rendimiento bajo Corrupción:
  • En escenarios de corrupción moderada (30% de clientes corruptos) y severa (40%), FedAgain mantuvo una precisión estable (~72-73%), mientras que FedAvg y otros métodos mostraron degradaciones significativas.
  • FedAgain demostró una menor varianza en los resultados, indicando un comportamiento más predecible y estable que FedMedian o Bulyan.
• Escalabilidad:
  • A medida que aumentó el número de clientes (de 5 a 20), FedAgain mantuvo su rendimiento mucho mejor que FedAvg. Por ejemplo, en el conjunto de datos B, la ventaja de FedAgain sobre FedAvg aumentó de +5.04% a +8.29% al escalar a 20 clientes.
• Generalización:
  • El método funcionó consistentemente bien tanto en datos médicos complejos como en benchmarks estándar (CIFAR-10), validando su aplicabilidad general.
  • En condiciones de datos limpios (IID), FedAgain mantuvo un rendimiento competitivo, demostrando que el mecanismo de confianza no introduce penalizaciones innecesarias en entornos ideales.

5. Significado e Impacto

El trabajo de FedAgain representa un avance práctico hacia la implementación clínica de la IA federada en medicina:

• Viabilidad Clínica: Al abordar la heterogeneidad de los dispositivos de imagen y la calidad variable de los datos entre hospitales, FedAgain permite entrenar modelos que generalizan mejor a nuevas poblaciones y condiciones de adquisición.
• Privacidad y Seguridad: Permite la colaboración entre instituciones sin compartir datos sensibles de pacientes, cumpliendo con las normativas de privacidad.
• Resiliencia Operativa: El sistema es capaz de filtrar automáticamente contribuciones de baja calidad o maliciosas, asegurando que el modelo global no se vea comprometido por fallos en equipos específicos o errores de adquisición en ciertos centros médicos.

En conclusión, FedAgain ofrece una solución escalable y robusta para el desarrollo de asistentes de IA confiables en entornos médicos distribuidos, superando las limitaciones de los métodos de promediado tradicionales frente a la realidad ruidosa y heterogénea de los datos clínicos.