📊 statistics

Communication-efficient distributed hazard difference estimation for heterogeneous multi-site survival data

本文介绍了 DiSAH，这是一种通信高效、非迭代的联邦算法，能够在不共享患者级数据的情况下实现生存分析中风险差异的多中心估计，其准确度可与中心化模型相媲美，同时优于传统的元分析和局部方法。

原作者： Ziwen Wang, Siqi Li, Marcus Eng Hock Ong, Nan Liu

发布于 2026-09-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Ziwen Wang, Siqi Li, Marcus Eng Hock Ong, Nan Liu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

医院是医学知识的宝库，拥有数百万条记录，可以帮助医生预测谁更有可能生病或死亡。然而，这些知识仍然被锁闭起来，分散在各个无法共享患者数据（由于严格的隐私法和安全防火墙）的独立机构中。几十年来，统计学家一直试图构建能够同时从多家医院学习的模型，而无需移动任何一条患者记录。大多数尝试都依赖于计算机之间复杂的往复对话，当医院无法与中央服务器保持持续连接时，这些尝试往往会失败。此外，用于衡量风险的标准工具通常只能告诉医生一名患者相对于另一名患者死亡的可能性增加了多少，而不是某种特定状况究竟会导致多少实际的额外死亡。这种区别至关重要：一位需要决定保留多少张重症监护床位的医生，需要知道涉及到的绝对生命数量，而不仅仅是一个相对百分比。

一个研究小组现在开发了一种名为 DiSAH 的新方法，它通过改变计算方式解决了这些问题。该方法不再要求计算机进行无休止的聊天，而是使用一种直接、单向的简单摘要交换。想象一下，一群医院需要计算一个单一的平均值，但又不希望任何人看到个体数字；他们各自写下自己的总数和计数，将这两个数字发送给一名领导者，然后由领导者将它们合并以得出答案。DiSAH 在处理生存数据时也遵循同样的原理。它允许医院在从不共享原始数据或不需要专用中央服务器管理过程的情况下，协作预测患者的预后。该方法旨在估算“风险差异”（hazard differences），这种差异衡量的是由特定风险因素引起的事件（如死亡）发生率的绝对变化。这为临床医生提供了一个具体的数字：例如，如果患者患有高血压，预计每百名患者中可能会增加多少例死亡，而不仅仅是说他们死亡的可能性是原来的两倍。

研究人员使用来自美国和新加坡急诊科的数据对该方法进行了测试，涉及近 4 8,000 名患者。他们将数据分成不同的组，以模拟具有各自独特患者群体和医疗实践的不同医院。在这些测试中，新方法产生的结果与将所有数据汇总到一个巨大的数据库中（这在现实中通常因隐私规则而无法实现）所得到的结果几乎完全一致。该方法成功识别了单个医院由于规模过小而无法自行检测出的 30 天死亡率风险因素。例如，它发现性别、脉搏频率和特定的心脏状况会显著影响生存率，而这些洞察在孤立观察任何单一医院的数据时都会被忽略。该系统还证明，与仅仅组合各局部研究结果的传统方法相比，它在预测生存率方面更加准确。

这种方法的一个关键优势在于其简单性和独立性。与其他需要维持连接并管理迭代更新的中央服务器系统不同，DiSAH 可以由任何参与的医院充当协调者。该过程仅涉及几轮摘要统计数据的共享，例如在特定时间处于风险中的患者人数以及这些患者的平均特征。这种设计尊重了现代医院 IT 系统的现实情况，即防火墙经常会阻断其他先进技术所需的持续连接。研究人员还表明，即使医院的患者构成和基线健康风险非常不同，该方法依然有效，而在这种情况下，许多其他统计工具都会面临困难。通过使用一个专注于加性风险而非乘性风险的数学框架，该方法避免了在比较多样化人群时经常失效的假设。

这项研究证实，在不损害患者隐私或不需要复杂基础设施的情况下，构建强大的协作式医学模型是可能的。研究人员证明，该方法可以恢复与集中式分析同水平的准确性，同时优于局部模型和标准的元分析。在涉及急诊室数据的现实应用中，该方法识别出了单个站点缺乏统计效力来发现的具有临床意义的风险因素。这表明，医院现在可以开展协作，以改善患者分诊和资源分配，并确切知道特定状况会导致多少额外的生命风险。这项工作并不声称解决了分布式数据中的所有问题，例如处理风险因素效应在不同站点之间发生剧烈变化的情况，但它为最常见的情景提供了一个稳健且实用的工具。通过将复杂的统计挑战转化为简单的摘要交换，这种方法为医院在保持患者数据安全的同时相互学习提供了一条新路径。

技术摘要：面向异质性多中心生存数据的通信高效分布式风险差异估计

1. 问题陈述

电子健康记录（EHR）的激增为大规模生存建模提供了潜力，但由于隐私法规和机构防火墙的存在，患者级数据仍被隔离在各个独立机构内。虽然联邦学习（FL）提供了一种解决方案，但现有方法在生存分析背景下面临两个关键局限性：

基础设施约束： 流行的模型无关型联邦学习方法（如 FedAvg、FedProx）需要持久的服务器连接和迭代优化轮次。在临床环境中，数据驻留在禁止外部连接的防火墙后，这些要求往往难以实现。
推断局限性： 现有的分布式生存方法（如 ODAC、ODACH）在 Cox 比例风险框架内运行，产生的是风险比（相对风险）。然而，临床决策、分诊和卫生经济学评估通常需要风险差异（绝对风险），后者量化了由风险因素引起的事件发生率的绝对变化。目前尚不存在能够估计加性风险模型下的风险差异且无需集中数据的分布式方法。

2. 方法论：DiSAH

作者提出了 DiSAH（基于加性风险的分布式生存分析），这是一种通信高效、保护隐私的算法，旨在不共享患者级记录且不需要专用中央服务器的情况下，从多中心生存数据中估计风险差异。该方法利用了加性风险（AH）模型估计器的闭式解特性，从而消除了迭代优化。

核心模型：
加性风险模型将时间 $t$ 的风险指定为 $\lambda(t | X) = \lambda_0(t) + \beta^T X$ ，其中 $\beta$ 代表风险差异（单位协变量变化引起的绝对风险变化）。

两种变体：
DiSAH 提供两种估计器以处理不同程度的站点异质性：

DiSAH-U（非分层）： 适用于各站点共享共同基准风险 $\lambda_0(t)$ 的场景。
- 机制： 它通过黎曼和来近似全局得分函数。
- 通信： 需要三轮汇总级统计量交换。
  1. 站点共享有序的观测事件/删失时间。
  2. 协调器聚合这些时间以形成全局时间网格，并进行广播。
  3. 站点根据全局网格计算对得分函数的局部贡献，并将汇总统计量（协变量和风险集指示函数的加权和）发送给协调器。
- 隐私： 为了降低重识别风险，站点仅分享有序的内部时间（例如，自入组以来的天数）而非日历日期。另一种增强隐私的方法是仅分享最大观测时间以划分区间，从而避免交换具体的事件时间。
DiSAH-S（分层）： 适用于具有站点特定基准风险 ( $\lambda_{0k}(t)$ ) 但具有共同系数向量 $\beta$ 的场景。
- 机制： 它为每个站点推导一个局部估计器，并通过局部得分函数的加权平均进行组合。
- 通信： 仅需一轮通信。站点计算局部汇总统计量（矩阵 $A_k$ 和向量 $D_k$ ）并发送给协调器，由协调器计算全局估计量 $\hat{\beta}_S = (\sum p_k A_k)^{-1} (\sum p_k D_k)$ 。

理论特性：

服务器无关性： 协调器角色仅需执行聚合和广播；任何参与的站点均可担任协调器。
渐近正态性： 作者确立了两种估计器的渐近正态性。
等价性： 证明了 DiSAH 在渐近意义上等价于汇总预言估计器（即所有数据集中时的结果）。

3. 主要贡献

首个联邦风险差异估计器： DiSAH 是第一个能够估计风险差异（绝对风险）而非仅仅是风险比（相对风险）的联邦方法。
服务器无关架构： 通过利用闭式、非迭代的结构，DiSAH 消除了对持久服务器连接的需求，使其在具有严格防火墙约束的环境中具有可行性。
通信高效性： 该算法通过最小化通信轮次（1 或 3 轮）并仅传输汇总统计量，确保没有任何患者级数据离开源站点。
处理异质性： 分层变体（DiSAH-S）显式地容纳了基准风险的站点间异质性，这是多中心临床数据的一个常见特征。

4. 结果

通过模拟研究和涉及来自美国（MIMIC-IV-ED）和新加坡（新加坡中央医院）的 47,778 名急诊科患者的真实应用评估了 DiSAH 的性能。

模拟研究：
- 准确性： DiSAH-U 和 DiSAH-S 均产生了几乎无偏的估计，覆盖概率接近名义 95% 水平，与汇总预言估计器的表现一致。
- 效率： DiSAH 显著优于元分析（逆方差加权聚合）和局部站点特定模型，特别是在局部模型因样本量小或不平衡而导致高方差的场景下。
- 计算： 由于通信轮次较少，DiSAH-S 的计算速度比 DiSAH-U 更快。
真实应用（死亡率预测）：
- 风险因素检测： DiSAH 成功识别了 30 天住院死亡率的统计学显著风险因素（包括性别、收缩压、脉搏、呼吸频率、血氧饱和度、恶性肿瘤和心肌梗死），而单个站点缺乏检测这些因素的统计效能。
- 预测性能： DiSAH 实现了与汇总分析相当的区分度（C-index），并显著优于局部模型。
- 与 ODACH 对比： 联邦 Cox 模型（ODACH）表现出明显较低的区分度，这表明比例风险假设在这些异质人群中可能并不成立，从而验证了加性风险框架的效用。

5. 意义与主张

论文声称 DiSAH 为无法集中数据且 IT 基础设施各异的医疗环境提供了实用的协作生存分析解决方案。

可操作的洞察： 通过估计风险差异，DiSAH 提供了对于分诊、资源分配和卫生经济学评估至关重要的绝对风险度量，而相对风险度量（风险比）无法提供这些信息。
可行性： 该方法证明，在不违反隐私约束或不需要复杂的持久服务器连接的情况下，对多中心生存数据进行有效的统计推断是可行的。
鲁棒性： 该方法即使在基准风险在不同站点间存在差异时仍然有效（通过 DiSAH-S），解决了多中心研究中的一个关键异质性来源。

作者承认了局限性，包括目前侧重于分布偏移而非效应修饰（异质性效应大小），以及在真实世界验证中使用伪站点。未来的工作提议将 DiSAH 扩展到高维协变量、区间截断数据以及开源软件集成。