Federated Survival Analysis in Healthcare: A Multi-Model Evaluation on Cross-Institutional Heterogeneous Breast Cancer Data

Résumé technique : Analyse de survie fédérée en milieu hospitalier

Énoncé du problème
L'analyse de survie est cruciale pour la prise de décision clinique en oncologie, particulièrement pour le cancer du sein, où l'estimation du délai avant un événement (ex. : décès, rechute) informe le pronostic et le traitement. Cependant, le développement de modèles robustes nécessite des cohortes larges et diversifiées, qui sont rarement disponibles au sein d'une seule institution en raison de la nature décentralisée des données de santé. De plus, les réglementations sur la confidentialité (ex. : RGPD, HIPAA) empêchent la centralisation des dossiers des patients. Si l'apprentissage fédéré (Federated Learning - FL) offre une alternative respectueuse de la vie privée en entraînant des modèles partagés sans échange de données brutes, son efficacité pour la modélisation de la survie dans des conditions hétérogènes et réalistes reste insuffisamment comprise. La littérature existante se concentre souvent sur des familles de modèles uniques ou propose de nouveaux algorithmes évalués de manière isolée, manquant de comparaisons systématiques entre différentes architectures de modèles et paradigmes d'entraînement. De plus, il existe une pénurie de conseils pratiques orientés vers la décision pour la sélection de modèles et de stratégies d'entraînement basés sur les caractéristiques spécifiques des données, les contraintes de confidentialité et les limitations de ressources.

Méthodologie
L'étude présente une évaluation systématique et multi-modèles de l'analyse de survie fédérée utilisant le jeu de données Fed-TCGA-BRCA issu de la suite de référence FLamby. Ce jeu de données comprend les profils cliniques, pathologiques et moléculaires de 1 088 patientes atteintes de cancer du sein réparties sur six institutions, présentant une hétérogénéité naturelle inter-institutionnelle en termes de tailles d'échantillons, de taux d'événements et de temps de suivi.

L'évaluation compare trois modèles de survie représentatifs :

1. Modèle à risques proportionnels de Cox (CoxPH) : Une base statistique semi-paramétrique.
2. DeepSurv : Une extension par apprentissage profond du modèle CoxPH utilisant des réseaux de neurones pour modéliser les effets non linéaires des covariables.
3. Forêt de survie aléatoire (Random Survival Forest - RSF) : Une méthode d'ensemble d'arbres qui capture les relations non linéaires sans hypothèses paramétriques.

Ces modèles ont été entraînés sous trois paradigmes :

• Centralisé : Toutes les données sont regroupées (référence du meilleur cas possible).
• Local : Entraînement indépendant sur les données de chaque client (base de référence de limite inférieure).
• Fédéré : Entraînement collaboratif via un serveur central sans partage de données.

Pour les modèles basés sur le gradient (CoxPH et DeepSurv), trois stratégies d'optimisation fédérée ont été évaluées : FedAvg (moyenne standard), FedProx (ajout d'un terme proximal pour limiter la dérive locale) et FedAdam (optimisation adaptative côté serveur). Le RSF a utilisé une approche d'agrégation d'arbres (FedSurF++) plutôt que des mises à jour de gradients.

Les expériences ont été menées avec diverses configurations de clients (3, 4 et 5 clients) pour simuler différents niveaux d'hétérogénéité des données. La performance a été évaluée à l'aide de métriques de discrimination (Indice de concordance/C-Index, AUC dépendant du temps) et de métriques de calibration (Score de Brier intégré/IBS).

Principales contributions

1. Comparaison empirique unifiée : Le document propose une comparaison directe de CoxPH, DeepSurv et RSF à travers des entraînements locaux, fédérés et centralisés sur une cohorte réelle de cancer du sein multi-institutionnelle présentant des distributions naturellement hétérogènes.
2. Analyse de l'hétérogénéité : Il analyse comment le nombre et la composition des clients participants affectent à la fois la discrimination et la calibration, révélant que la performance dépend davantage de la diversité des distributions de données que du nombre pur de clients.
3. Évaluation des stratégies d'optimisation : Il évalue la robustesse de FedAvg, FedProx et FedAdam pour les modèles de survie basés sur le gradient dans des conditions hétérogènes.
4. Directives orientées vers la décision : L'étude dérive des directives pratiques reliant les contraintes spécifiques (hétérogénéité des données, confidentialité, interprétabilité, ressources informatiques) aux choix recommandés de modèles et de paradigmes d'entraînement.

Résultats

• Fédéré vs Local/Centralisé : L'apprentissage fédéré a systématiquement surpassé l'entraînement local et s'est approché, voire a parfois dépassé, la performance centralisée. Notamment, DeepSurv dans le cadre fédéré a atteint une discrimination plus élevée (C-Index : 0,727) que l'entraînement centralisé (0,707) dans la configuration à 5 clients, suggérant que l'agrégation de mises à jour hétérogènes peut agir comme un régularisateur.
• Performance des modèles :
  • RSF a démontré le meilleur équilibre global entre discrimination, calibration et robustesse à travers les clients hétérogènes. Il a systématiquement obtenu l'IBS le plus bas (meilleure calibration) et une performance stable entre les clients.
  • DeepSurv a montré une forte capacité prédictive, égalant ou dépassant souvent la performance centralisée dans les contextes fédérés, bien qu'il ait présenté une variabilité légèrement plus élevée que le RSF.
  • CoxPH a bien performé dans les contextes homogènes mais a montré une discrimination moindre et une plus grande variabilité sous l'effet de l'hétérogénéité, probablement en raison de sa dépendance aux hypothèses de risques proportionnels et aux ensembles de risques globaux.
• Stratégies d'optimisation : FedAvg et FedProx se sont révélés plus solides et plus stables que FedAdam pour CoxPH et DeepSurv. FedAdam a systématiquement produit des performances de discrimination plus faibles et des valeurs d'IBS plus élevées. FedProx a offert des gains marginaux par rapport à FedAvg dans des scénarios hautement hétérogènes (ex. : configuration à 3 clients pour DeepSurv).
• Impact de la composition des clients : Réduire le nombre de clients n'a pas dégradé la performance de manière monotone ; au contraire, les distributions spécifiques des clients exclus importaient davantage. La calibration (IBS) était particulièrement sensible à la diversité des temps de survie observés et des schémas d'événements, se dégradant lorsque les distributions spécifiques de certains clients étaient exclues.

Signification et affirmations
L'article affirme que l'analyse de survie fédérée est une approche viable et efficace pour le secteur de la santé, offrant une alternative respectueuse de la vie privée capable d'égaler ou de surpasser la performance centralisée sans centralisation des données. L'étude souligne que le RSF est le choix le plus robuste pour les contextes fédérés réels et hétérogènes, offrant le meilleur compromis entre discrimination et calibration. Inversement, CoxPH reste préférable pour les scénarios privilégiant l'interprétabilité ou lorsque les données sont homogènes.

Les auteurs insistent sur le fait que le choix du modèle et de la stratégie d'entraînement doit être dicté par des contraintes spécifiques :

• Pour les clients hétérogènes ou les applications critiques en termes de calibration, le RSF avec un entraînement fédéré est recommandé.
• Pour les études axées sur l'interprétabilité, le CoxPH est préféré malgré une performance prédictive moindre en contexte hétérogène.
• Pour les données rares ou déséquilibrées, l'entraînement fédéré avec RSF ou DeepSurv améliore considérablement les performances par rapport à l'entraînement local.
• Pour des contraintes de confidentialité strictes, les approches fédérées s'avèrent être des solutions pratiques qui approchent la performance centralisée.

L'étude conclut que si l'apprentissage fédéré est efficace, son succès est régi par la diversité des distributions des clients plutôt que par le simple nombre de participants, et que des stratégies d'agrégation plus simples comme FedAvg suffisent souvent face à des méthodes adaptatives plus complexes comme FedAdam dans ce contexte spécifique.