Clinical Equivalence of Privacy-Preserving Federated Learning: A Consortium Blockchain Framework with Equivalence Testing

Sintesi Tecnica: Equivalenza Clinica dell'Apprendimento Federato Preservante la Privacy

Problematica
Gli ospedali cercano i benefici del Federated Learning (FL) — l'addestramento collaborativo di modelli senza la condivisione di dati grezzi dei pazienti — ma affrontano un'incertezza critica: l'aggiunta di meccanismi di preservazione della privacy (crittografia, rumore) e del consenso blockchain degrada l'utilità clinica dei modelli risultanti? La letteratura attuale riporta tipicamente cali di accuratezza (ad esempio, dall'86,4% all'83,8%) e li definisce "piccoli", ma non affronta se tali cali siano clinicamente accettabili. Inoltre, il test statistico standard (verificare l'assenza di una differenza significativa) è insufficiente; un risultato non significativo può semplicemente indicare una mancanza di potenza statistica piuttosto che una vera equivalenza. Il documento sostiene che la decisione di implementazione richieda un rigoroso reclamo statistico di equivalenza clinica, non solo l'assenza di una differenza rilevata.

Metodologia
Gli autori propongono un framework modulare Consortium Blockchain–Federated Learning (B-FL) progettato per integrare tre linee di difesa mantenendo l'utilità clinica. Il sistema è costruito su Hyperledger Fabric utilizzando il consenso PBFT (Practical Byzantine Fault Tolerance).

1. Architettura: Il framework consiste in sei livelli:

   • Livello Client: Le istituzioni addestrano localmente su dataset privati.
   • Livello di Protezione della Privacy: Applica la Subsampled-Gaussian Differential Privacy (DP) con contabilità di Renyi (clipping dei gradienti e aggiunta di rumore Gaussiano) seguita da crittografia omomorfica BFV (HE) per l'aggregazione sicura.
   • Livello di Fiducia Blockchain: Esegue il consenso PBFT e una suite di Smart Contract a sei funzioni per il rilevamento delle anomalie in tempo reale e la valutazione della reputazione.
   • Livello di Aggregazione Sicura: Calcola la media pesata sulla reputazione (reputation-weighted FedAvg) su ciphertext.
   • Storage Distribuito: Utilizza IPFS per checkpoint del modello off-chain, referenziati da hash on-chain.
   • Distribuzione del Modello Globale: Restituisce il modello aggiornato.

2. Meccanismo di Integrità: Gli smart contract eseguono il rilevamento delle anomalie sugli aggiornamenti protetti da DP (prima della crittografia) utilizzando due gate:

   • Gate Direzionale: Similitudine del coseno tra l'aggiornamento e il modello globale (soglia $\tau = 0,8$).
   • Gate di Magnitudo: Rifiuto degli outlier della norma (media $\pm$ 3 deviazioni standard).
   • Valutazione della Reputazione: Una media mobile esponenziale aggiorna la reputazione del client in base all'accettazione, pesando l'aggregazione finale.

3. Configurazione Sperimentale:

   • Dataset: MIMIC-III (predizione della mortalità ospedaliera) e COVID-19 Radiography Database.
   • Condizioni: 20 istituzioni simulate sotto condizioni realistiche non-IID (skew delle etichette).
   • Attacchi: Scaling dei gradienti, attacchi backdoor, rumore casuale e free-riding (20% di client malevoli).
   • Protocollo Statistico: Lo studio impiega i Two One-Sided Tests (TOST) con un margine di equivalenza predefinito del 3% (derivato dal consenso clinico sulle differenze minime clinicamente importanti). Questo testa se le prestazioni del modello protetto si collocano entro l'intervallo $[-3\%, +3\%]$ rispetto al baseline FL standard. Viene applicata la correzione di Holm–Bonferroni per confronti multipli.

Contributi Chiave

1. Protocollo di Test di Equivalenza: Un framework statisticamente rigoroso utilizzando TOST per determinare se l'IA clinica che preserva la privacy sia "pronta per il letto del paziente", andando oltre i semplici confronti di accuratezza.
2. Architettura Integrata: Un sistema B-FL modulare che combina con successo DP, HE e validazione blockchain sotto PBFT, colmando la lacuna in cui queste tecnologie vengono spesso studiate isolatamente.
3. Validazione Empirica: Valutazione su due benchmark clinici reali (MIMIC-III e COVID-19) con partizionamento non-IID, dimostrando che una forte privacy e sicurezza possono coesistere con l'utilità clinica.
4. Modellazione delle Minacce: Una mappatura formale delle minacce (avvelenamento, fuga di gradienti, free-riding) ai rispettivi meccanismi di mitigazione (DP/HE per la riservatezza, smart contract per l'integrità).
5. Analisi della Scalabilità: Dimostrazione che l'overhead della blockchain è modesto e scala in modo sub-lineare con la dimensione del consorzio.

Risultati

• Equivalenza Clinica: Il framework completamente protetto (DP + HE + Blockchain) è rimasto indietro rispetto al FL standard di soli 2,6 punti percentuali nell'accuratezza del COVID-19 e di 2,5 punti nell'AUROC di MIMIC-III. Entrambe le differenze rientravano nel margine di equivalenza del 3% ($p < 0,001$; Cohen's $d = 0,18$ e $0,21$). Gli autori concludono che il modello protetto è clinicamente equivalente all'originale.
• Robustezza Avversaria: Contro attacchi di scaling dei gradienti con il 20% di client malevoli, la validazione on-chain ha intercettato il 94,3% degli aggiornamenti avvelenati segnalando erroneamente solo il 2,1% degli aggiornamenti onesti.
• Studio di Ablazione: La sola validazione blockchain ha rilevato circa il 79% degli attacchi. L'aggiunta di DP e HE non ha rilevato direttamente gli attacchi, ma ha regolarizzato la distribuzione degli aggiornamenti onesti, rendendo più netti i gate di rilevamento delle anomalie e portando il rilevamento al 94,3%.
• Overhead: L'overhead della blockchain è stato di circa 1,8 secondi per round (11,9% del tempo totale), con l'addestramento locale che domina il costo. L'analisi di scalabilità ha mostrato un adattamento di crescita sub-lineare ($T(n) \approx 4,1 n^{0,62}$).

Significatività e Rivendicazioni
Il documento afferma che forte privacy, sicurezza e allineamento normativo possono coesistere con l'utilità clinica nell'apprendimento federato sanitario. Il principale contributo metodologico è la dimostrazione che il test di equivalenza offre uno standard rigoroso e riutilizzabile per valutare l'IA clinica che preserva la privacy.

Gli autori sottolineano che i loro risultati permettono una "rivendicazione positiva di equivalenza" piuttosto che un risultato più debole di "assenza di differenza significativa". Affermano che il framework è adatto per consorzi di medie dimensioni (20–50 ospedali) e si allinea agli standard normativi (HIPAA, GDPR) garantendo che nessuna PHI lasci i firewall istituzionali, utilizzando la differential privacy e memorizzando solo gli hash on-chain. Tuttavia, notano modestamente che mentre l'accuratezza e l'AUROC sono equivalenti, la calibrazione e l'equità dei sottogruppi richiedono una valutazione separata, e la sicurezza del sistema dipende dall'assunto che meno di $n/3$ validator siano difettosi.