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

Resumo Técnico: Equivalência Clínica de Aprendizado Federado com Preservação de Privacidade

Definição do Problema
Os hospitais buscam os benefícios do Aprendizado Federado (FL) — treinamento colaborativo de modelos sem o compartilhamento de registros brutos de pacientes — mas enfrentam uma incerteza crítica: a adição de mecanismos de preservação de privacidade (criptografia, ruído) e consenso de blockchain degrada a utilidade clínica dos modelos resultantes? A literatura atual geralmente reporta quedas de precisão (ex: de 86,4% para 83,8%) e nota que elas são "pequenas", mas falha em abordar se tais quedas são clinicamente aceitáveis. Testes estatísticos padrão (verificar a "ausência de diferença significativa") são insuficientes; um resultado não significativo pode indicar apenas uma falta de poder estatístico, e não uma verdadeira equivalência. O artigo argumenta que a decisão de implementação exige uma afirmação estatística rigorosa de equivalência clínica, e não meramente a ausência de uma diferença detectada.

Metodologia
Os autores propõem uma estrutura modular de Consórcio de Blockchain–Aprendizado Federado (B-FL) projetada para integrar três linhas de defesa enquanto mantém a utilidade clínica. O sistema é construído sobre Hyperledger Fabric utilizando consenso PBFT (Practical Byzantine Fault Tolerance).

1. Arquitetura: A estrutura consiste em seis camadas:

   • Camada de Cliente: Instituições treinam localmente em conjuntos de dados privados.
   • Camada de Proteção de Privacidade: Aplica Privacidade Diferencial (DP) Gaussiana Subamostrada com contabilidade de Renyi (clipping de gradientes e adição de ruído Gaussiano), seguida por Criptografia Homomórfica (HE) BFV para agregação segura.
   • Camada de Confiança de Blockchain: Executa consenso PBFT e um conjunto de Contratos Inteligentes de seis funções para detecção de anomalias em tempo real e pontuação de reputação.
   • Camada de Agregação Segura: Computa o FedAvg ponderado pela reputação sobre textos cifrados.
   • Armazenamento Distribuído: Utiliza IPFS para checkpoints de modelos off-chain, referenciados por hashes on-chain.
   • Distribuição de Modelo Global: Retorna o modelo atualizado.

2. Mecanismo de Integridade: Contratos inteligentes realizam a detecção de anomalias em atualizações protegidas por DP (antes da criptografia) usando dois portões:

   • Portão Direcional: Similaridade de cosseno entre a atualização e o modelo global (limiar $\tau = 0,8$).
   • Portão de Magnitude: Rejeição de outliers de norma (média $\pm$ 3 desvios padrão).
   • Pontuação de Reputação: Uma média móvel exponencial atualiza a reputação do cliente com base na aceitação, ponderando a agregação final.

3. Configuração Experimental:

   • Datasets: MIMIC-III (predição de mortalidade intra-hospitalar) e COVID-19 Radiography Database.
   • Condições: 20 instituições simuladas sob condições realistas de non-IID (desvio de rótulos).
   • Ataques: Escalonamento de gradiente, ataques de backdoor, ruído aleatório e free-riding (20% de clientes maliciosos).
   • Protocolo Estatístico: O estudo emprega Dois Testes Unilaterais (TOST) com uma margem de equivalência pré-definida de 3% (derivada do consenso clínico sobre diferenças clinicamente importantes mínimas). Isso testa se o desempenho do modelo protegido reside dentro de $[-3\%, +3\%]$ em relação à linha de base do FL padrão. A correção de Holm–Bonferroni é aplicada para múltiplas comparações.

Principais Contribuições

1. Protocolo de Teste de Equivalência: Um framework estatisticamente rigoroso usando TOST para determinar se o IA clínica com preservação de privacidade está "pronta para o leito do paciente", indo além de simples comparações de precisão.
2. Arquitetura Integrada: Um sistema B-FL modular que combina com sucesso DP, HE e validação de blockchain sob PBFT, abordando a lacuna onde essas tecnologias são frequentemente estudadas isoladamente.
3. Validação Empírica: Avaliação em dois benchmarks clínicos reais (MIMIC-III e COVID-19) com particionamento non-IID, demonstrando que forte privacidade e segurança podem coexistir com a utilidade clínica.
4. Modelagem de Ameaças: Um mapeamento formal de ameaças (envenenamento, vazamento de gradiente, free-riding) para mecanismos de mitigação específicos (DP/HE para confidencialidade, contratos inteligentes para integridade).
5. Análise de Escalabilidade: Demonstração de que o overhead do blockchain é modesto e escala de forma sublinear com o tamanho do consórcio.

Resultos

• Equivalência Clínica: O framework totalmente seguro (DP + HE + Blockchain) ficou atrás do FL padrão por apenas 2,6 pontos percentuais na precisão do COVID-19 e 2,5 pontos no AUROC do MIMIC-III. Ambas as diferenças caíram bem dentro da margem de equivalência de 3% ($p < 0,001$; Cohen's $d = 0,18$ e $0,21$). Os autores concluem que o modelo seguro é clinicamente equivalente ao original.
• Robustez Adversária: Contra ataques de escalonamento de gradiente com 20% de clientes maliciosos, a validação on-chain detectou 94,3% das atualizações envenenadas, enquanto sinalizou falsamente apenas 2,1% das atualizações honestas.
• Estudo de Ablação: A validação de blockchain sozinha detectou ~79% dos ataques. A adição de DP e HE não detectou ataques diretamente, mas regularizou a distribuição das atualizações honestas, tornando os portões de detecção de anomalias mais nítidos e elevando a detecção para 94,3%.
• Overhead: O overhead do blockchain foi de aproximadamente 1,8 segundos por rodada (11,9% do tempo total), com o treinamento local dominando o custo. A análise de escalabilidade mostrou um ajuste de crescimento sublinear ($T(n) \approx 4,1 n^{0,62}$).

Significância e Alegações
O artigo alega que forte privacidade, segurança e alinhamento regulatório podem coexistir com a utilidade clínica no aprendizado federado de saúde. A principal contribuição metodológica é a demonstração de que o teste de equivalência oferece um padrão rigoroso e reutilizável para avaliar a IA clínica com preservação de privacidade.

Os autores enfatizam que seus resultados permitem uma "afirmação positiva de equivalência" em vez de um achado mais fraco de "não há diferença significativa". Eles afirmam que a estrutura é adequada para consórcios de médio porte (20–50 hospitais) e está alinhada com os padrões regulatórios (HIPAA, GDPR) ao garantir que nenhuma PHI saia dos firewalls institucionais, utilizando privacidade diferencial e armazenando apenas hashes on-chain. No entanto, eles notam modestamente que, embora a precisão e o AUROC sejam equivalentes, a calibração e a equidade de subgrupos exigem avaliação separada, e a segurança do sistema depende da premissa de que menos de $n/3$ validadores sejam falhos.