في خطوة تتخطى حدود التقليد في مجال الطب، تم إطلاق FedHisto-PAST v2، وهو نموذج مبتكر يركز على تصنيف سرطانات الرئة عبر المواقع المختلفة (cross-site lung histopathology classification). هذه التقنية الجديدة تأخذ بعين الاعتبار التغيرات في لون الصبغة، البيانات غير المستقلة وغير المتوازنة (non-IID)، فضلاً عن تحديات تكييف نماذج علم الأمراض الضخمة.

يتضمن نظام FedHisto-PAST v2 استخدام نموذج أساسي مجمد يُعرف باسم HIBOU-B، مع اعتماد تكيف فعال للمعلمات، وتنبؤ مرتكز على الصبغة، بالإضافة إلى تعلم نماذج موثوقة. تم تصميم هذا النظام لإجراء تصنيفات ثلاثية تشمل الأدينو كارسينوما (adenocarcinoma - ACA)، والخلايا السليمة (Normal)، وسرطان الخلايا الحرشفية (squamous cell carcinoma - SCC).

أظهرت التجارب أداءً متسقًا، حيث تم استخدام محاكاة بيانات خام من خمسة عملاء غير متوازنين، مع تقييم داخلي ثابت وتحليل على مستوى العميل. حقق FedHisto-PAST v2 أداءً مثيرًا، حيث حصل على نتيجة Macro-F1 قدرت بـ 0.728560 ودقة متوازنة بلغت 0.730454.

ومع ذلك، لاحظ الباحثون وجود تباين في درجات الت Recall بين الأنواع المختلفة، حيث كان التعرف على الخلايا السليمة وسرطان الخلايا الحرشفية عالياً، في حين شهدت أدينو كارسينوما معدل تذكير أقل. كما وُجد أن الدقة ليست مثالية بعد.

تبين النتائج أهمية تحقيق الفيدرالية الواسعة المتقاربة (parameter-efficient federation)، إلا أنها لا تثبت الخصوصية الرسمية أو الاستقلال على مستوى المرضى، أو التحقق السريري المطلوب.

في ختام هذه الدراسة، نرى أن FedHisto-PAST v2 يمثل خطوة هامة في تطوير أدوات التشخيص الطبي الذكي، مما يمهد الطريق لسياقات جديدة في معالجة التصنيف غير المتوازن للأمراض.