{rfName}
Ca

Indexado en

Licencia y uso

Icono OpenAccess

Altmetrics

Investigadores/as Institucionales

Leghissa, MatteoAutor (correspondencia)Carrera, AlvaroAutor o CoautorIglesias, Carlos AAutor o Coautor

Compartir

7 de octubre de 2025
Publicaciones
>
Artículo
Sí

Can Hospitals Cooperate to Improve Predictions Without Sharing Data? A Federated Learning Approach for Frailty Screening

Publicado en: Applied Sciences-Basel. 15 (18): 9939- - 2025-09-11 15(18), DOI: 10.3390/app15189939

Autores:

Leghissa, Matteo; Carrera, Alvaro; Iglesias, Carlos A; Iglesias, Carlos A
[+]

Afiliaciones

Univ Politecn Madrid, Intelligent Syst Grp, ETSI Telecomunicac, Avda Complutense 30, Madrid 28040, Spain - Autor o Coautor

Resumen

Traditionally, machine learning models in healthcare rely on centralized strategies using raw data. This poses limitations due to the amount of available data, which becomes hard to aggregate due to privacy concerns. Federated learning has been emerging as a new paradigm to improve model performance. It exploits information on the parameters from other clients while never sharing personal data from the patients. We present a proof-of-concept of federated learning techniques in the case of an automated screening tool for frailty in the older population. We used a frailty-specific dataset called FRELSA, with patients from nine regions of the UK used to simulate a scenario with regional hospitals. We compared three different strategies: separate regional training with no communication; federated averaging, the most widely used strategy for healthcare; and finally, global training on the full dataset for comparison. All three strategies were validated with two architectures: logistic regression and a neural network. Results show that federated strategies outperform local training and achieve global-like performance while preserving patient privacy. For Logistic Regression, the global validation F-score was 0.737 and the federated aggregated score was 0.735, offering improvement in seven of the nine regions. For Multi Layer Perceptron, the global validation F-score was 0.843 and the federated aggregated score was 0.834, improving in all nine regional models. The federated strategy is equivalent to pooling all the data together while avoiding all complications related to data privacy and sharing. The results of this study show that the proposed strategy is a viable method for improving frailty screening in healthcare systems.
[+]

Palabras clave

Federated learningFrailtyFrelsaFried frailty phenotypeMachine learning

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Applied Sciences-Basel debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 50/179, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Engineering, Multidisciplinary. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Engineering (Miscellaneous).

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-27:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 2 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/93999/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 25
    • Descargas: 3
    [+]

    Análisis de liderazgo de los autores institucionales

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (LEGHISSA, MATTEO) y Último Autor (IGLESIAS FERNANDEZ, CARLOS ANGEL).

    el autor responsable de establecer las labores de correspondencia ha sido LEGHISSA, MATTEO.

    [+]

    Objetivos del proyecto

    Los objetivos perseguidos en esta aportación se centran en evaluar y mejorar la aplicación de técnicas de aprendizaje federado en el ámbito sanitario. Se pretende analizar la viabilidad de modelos de aprendizaje federado para el cribado automatizado de fragilidad en población mayor. Además, se busca comparar tres estrategias de entrenamiento: regional sin comunicación, federado y global, utilizando dos arquitecturas, regresión logística y redes neuronales. Otro objetivo es determinar el rendimiento comparativo de estas estrategias en términos de puntuaciones F-score, destacando mejoras en siete y nueve regiones para regresión logística y perceptrón multicapa, respectivamente. Finalmente, se pretende demostrar que el aprendizaje federado puede preservar la privacidad de los datos mientras ofrece un rendimiento similar al entrenamiento global.
    [+]

    Resultados más relevantes

    El estudio presenta un enfoque de aprendizaje federado para la detección automatizada de fragilidad en población anciana, evaluado con el conjunto de datos FRELSA de nueve regiones del Reino Unido. Los resultados más relevantes son: (1) las estrategias federadas superan el entrenamiento local sin comunicación; (2) para regresión logística, la puntuación F global fue 0.737 y la federada 0.735, con mejoras en siete de nueve regiones; (3) para perceptrón multicapa, la puntuación F global fue 0.843 y la federada 0.834, con mejoras en todas las regiones; (4) el aprendizaje federado alcanza un rendimiento similar al entrenamiento global centralizado; (5) esta estrategia preserva la privacidad del paciente sin compartir datos personales.
    [+]

    Reconocimientos ligados al ítem

    Funding was received for this work. All of the funding sources for the work described in this publication came from the AROMA/MIRATAR project, grant TED2021-132149B-C42, funded by MICIU/AEI/10.13039/501100011033 and by the European Union NextGenerationEU/PRTR.
    [+]