تظهر دراسة جديدة تأثيرات تقنيات التعلم المُوزّع (Federated Learning) في تقدير العمر الدماغي (BrainAGE) لمرضى السكتة الدماغية. يُعتبر العمر الدماغي مؤشراً هاماً لصحة الدماغ، لكنه يتطلب مجموعات بيانات كبيرة للتدريب، وهي غالباً ما تكون مقيّدة بسبب اعتبارات الخصوصية.

قام الباحثون بتحليل صور الدماغ باستخدام تقنية FLAIR من 1674 مريضاً عبر 16 مركزاً طبياً، وتم استخدام ثلاث استراتيجيات لإدارة البيانات: التعلم المركزي (Centralized Learning) حيث يتم تجميع البيانات، وتعلم مُوزّع يسمح بالتدريب المحلي، بالإضافة إلى التعلم في موقع واحد فقط.

أتت النتائج لتؤكد أن التعلم المركزي قد حقق أعلى دقة في التنبؤ بالعمر الدماغي، لكن التعلم المُوزّع قد تفوق في الأداء مقارنة بالتعلم من موقع واحد. كما كشفت الدراسة أن العمر الدماغي كان مرتفعًا بشكل ملحوظ لدى مرضى السكري في جميع النماذج المستخدمة.

عقد الباحثون مقارنة بين نتائج المتعافين بشكل جيد وآخرين أقل نجاحًا، ووجدوا أن هناك ارتباطًا قويًا بين العمر الدماغي واستعادة الوظائف بعد السكتة. وبغض النظر عن تعدد العوامل المعقدة، أكد التحليل أن الاعتماد على تقنيات التعلم المُوزّع يوفر طرقًا دقيقة للتنبؤ بالعمر، مما يفتح آفاقًا جديدة في رعاية المرضى بعد السكتة الدماغية.

في الختام، يُظهر تعلم الآلة المُوزّع كيف يمكن الاستفادة من بيانات متعددة دون الحاجة لمركزتها، مما يُعزز دقة التوقعات وفعالية الرعاية الطبية.