Decentralised Federated Learning Framework for Privacy-Preserving Medical Insurance and Sustainable Rural Economic Development in Tamil Nadu

Technische Samenvatting: Gedecentraliseerd Federated Learning Framework voor Privacy-Preserving Medische Verzekeringen

Probleemstelling
Het rurale medische verzekeringsondernemerschap in India, met name in Tamil Nadu, staat voor een kritieke flessenhals: gefragmenteerde en gesiloerde gezondheidsgegevens. Verzekeringsagenten, primaire gezondheidscentra en coöperatieve micro-verzekeraars bezitten cliëntgegevens, maar kunnen deze niet juridisch of praktisch samenvoegen vanwege privacyzorgen en regelgevende beperkingen. Deze isolatie van gegevens verhindert de training van nauwkeurige, rechtvaardige risico-inschattingsmodellen, wat de ontwikkeling van rurale Insurtech belemmert. Hoewel Federated Learning (FL) een theoretische oplossing biedt door collaboratieve modeltraining mogelijk te maken zonder ruwe gegevens te centraliseren, schieten de huidige implementaties vaak tekort in het adresseren van de specificaties tussen privacygaranties, modelnauwkeurigheid en de heterogeniteit van rurale gegevensdistributies. Bovendien zijn eerdere claims van "kosteloze" equivalentie tussen federated en gecentraliseerde modellen uitgedaagd met betrekking tot de strengheid van de privacy-accounting en statistische validatie.

Methodologie
Het artikel stelt TW-DP-FedAvg voor en evalueert dit, een federated architectuur die gradient-clipped Gaussian Differential Privacy (DP) integreert met een vertrouwensgewogen client-aggregatieregel. De studie adresseert drie specifieke methodologische hiaten die in eerder werk zijn geïdentificeerd:

1. Rigoureuze Privacy-accounting: In plaats van ongecomponeerde per-ronde privacyparameters te rapporteren, legt de auteur een totaal privacybudget ($\epsilon_{total} = 8$) vast over 40 communicatierondes. Met behulp van de Advanced Composition Theorem leiden zij een strikter per-ronde budget ($\epsilon_0 \approx 0.207$) af om ervoor te zorgen dat de cumulatieve privacygarantie verdedigbaar is.
2. Vertrouwensgewogen Aggregatie: Het framework weegt client-updates op basis van een vertrouwensmetriek ($trust_c = 1/(1 + BCE_c)$), waarbij $BCE_c$ de lokale binaire cross-entropy loss is, vermenigvuldigd met de lokale steekproefomvang.
3. Experimenteel Ontwerp:
   • Datasets: Vanwege het gebrek aan echte rurale gegevens uit Tamil Nadu gebruikt de studie twee publieke benchmarks: de Medical Cost Personal Dataset ($n=1.338$) en de Pima Indians Diabetes Dataset ($n=768$).
   • Partitionering: De gegevens zijn verdeeld in vijf gesimuleerde district-shards met behulp van een Dirichlet-distributie ($\alpha$) om non-IID (heterogene) data te modelleren, ter vervanging van eerdere ad-hoc splitsingen.
   • Statistische Validatie: De studie maakt gebruik van Two One-Sided Tests (TOST) voor equivalentietesten met grenzen van $\pm 3$ procentpunt nauwkeurigheid, naast gepaarde t-testen, Wilcoxon signed-rank tests en Cohen's $d$ effectgroottes.
   • Ablatie: Een $2 \times 2$ ablatie-studie isoleert de onafhankelijke effecten van het DP-mechanisme en de vertrouwensgewogen aggregatieregel.

Belangrijkste Resultaten
De herziene analyse levert meer conservatieve en statistisch robuuste conclusies op vergeleken met de oorspronkelijke indiening:

• Nauwkeurigheid vs. Privacy Trade-off: Onder het gecorrigeerde, gecomponeerde privacybudget brengt het federated model een meetbare nauwkeurigheidskost met zich mee vergeleken met een gecentraliseerde baseline.
  • Op de Medical Cost-dataset bereikte TW-DP-FedAvg 81,7% nauwkeurigheid tegenover 88,8% voor de gecentraliseerde baseline (een gat van 7,1%). Het verschil is statistisch significant ($p=0,046$), en de TOST-equivalentietest slaagde er niet in om vast te stellen dat het federated model binnen de $\pm 3\%$ drempel van het gecentraliseerde model valt ($p=0,893$).
  • Op de Pima Diabetes-dataset was het nauwkeurigheidsverschil verwaarloosbaar (71,1% vs. 71,4%), maar de F1-score voor de minderheidsklasse daalde aanzienlijk (0,366 vs. 0,612) onder het striktere privacybudget, wat wijst op een negatieve impact op de recall.
• Ablatiebevindingen: De nauwkeurigheidspenalty wordt primair gedreven door het Differential Privacy-mechanisme (ruisinjectie), en niet door de vertrouwensgewogen regel. De vertrouwensgewogen aggregatie presteerde vergelijkbaar met standaard steekproefomvang-weging wat betreft de ruwe nauwkeurigheid.
• Impact van Heterogeniteit: De voorgestelde Ecosystem Inclusion Score (EIS) vertoonde een monotone afname naarmate de gegevensheterogeniteit toenam (Dirichlet $\alpha$ nam af). De EIS daalde van 0,970 (lage heterogeniteit) naar 0,868 (hoge heterogeniteit) op de Medical Cost-benchmark, wat de sensitiviteit van de metriek voor non-IID datastructuren bevestigt.

Betekenis en Claims
Het artikel positioneert TW-DP-FedAvg niet als een perfecte, kosteloze vervanging voor gecentraliseerde analytics, maar als een levensvatbare ecosysteem-niveau infrastructuur die een bewuste afweging vereist.

• Herziene Bijdrage: De studie trekt expliciet de claims van "equivalentie" tussen federated en gecentraliseerde modellen onder een verdedigbaar privacybudget in. In plaats daarvan stelt het vast dat federated training gepaard gaat met een meetbare nauwkeurigheidskost.
• Beleid en Ondernemerschapscontext: De bevindingen zijn geworteld in de Indiase Digital Personal Data Protection Act (DPDPA) 2023 en de IRDAI regulatory sandbox. De auteurs stellen dat hoewel de technologie een pad biedt voor rurale Insurtech om te collaboreren zonder gevoelige gegevens te centraliseren, belanghebbenden (regulatoren en ondernemers) de nauwkeurigheidspenalty moeten erkennen.
• Beperkingen: De auteurs benadrukken dat de studie een technische proof-of-concept is met proxy-datasets. Het valideert geen unit economics, de levensvatbaarheid van ondernemingen of veldimplementatie met werkelijke rurale tussenpersonen. De discussie over ondernemers-ecosystemen is een conceptuele extrapolatie, waarbij wordt opgemerkt dat infrastructuur alleen onvoldoende is om de opkomst van een ecosysteem te katalyseren zonder financiering, mentorschap en distributiekanalen aan te pakken.

Samenvattend biedt het artikel een rigoureuze, gecorrigeerde evaluatie van een privacy-preservend federated learning framework, waarmee wordt aangetoond dat hoewel het samenwerking tussen gegevens mogelijk maakt in gefragmenteerde rurale markten, dit gebeurt ten koste van de voorspellende prestaties—een trade-off die beheerd moet worden door toekomstige regulerende en marktpartijen.