中國醫藥大學公共衛生跨領域研究團隊透過AI預測相關死亡率，刊登於醫學資訊學頂尖期刊，此議題引起廣泛關注

AI人工智慧技術的應用廣泛；中國醫藥大學公共衛生學系何文照教授、李采娟教授跨領域合作團隊運用AI進行聯邦式學習模式(Federated Learning-Based Model)預測相關死亡率，研究成果發表於醫學資訊學頂尖期刊《醫學互聯網研究雜誌》Journal of Medical Internet Research (JMIR)，此議題引起廣泛關注。

這項公共衛生專業分析研究接軌大眾關切的健康議題，研究論文名稱：「人工智慧聯邦學習大數據模型之應用於死亡率相關預測：系統回顧和統合分析(Federated Learning-Based Model for Predicting Mortality: Systematic Review and Meta-Analysis)」；中國醫藥大學公共衛生跨領域研究團隊成員包括：何文照教授、李采娟教授、鍾朝仁教授及物理治療學系李信達教授及研究助理。

中國醫藥大學公共衛生學系主任何文照教授表示，在人工智慧大數據時代，作為一種新穎的保護隱私技術，聯邦學習的興起提供了以分散方式共同創建模型的潛力，以解決機密性問題，尤其是關於數據隱私的問題。但是，全面與清晰探討聯邦學習（FL）與集中機器學習（CML）在臨床領域運用並進行比對分析，並提供相關證據和進一步可能推廣應用，仍須有進一步探究與驗證評估。

因此，何文照教授組成跨域團隊攜手合作，多元深入回顧臨床場域中，對應人工智慧大數據分析基於FL的死亡率預測和CML模型的效能比較。經由IEEE Xplore，PubMed，Science Direct和Web of Science數據庫搜索至2024年6月為止發表的文章；研究分析個案主要包括：急重症加護病房、急診、緊急醫療中心、創傷中心和特定重要疾病等，納入分析個案數為1,412,973名並進行世代追蹤數據和分析。

該研究結果發現，FL可以應用在預測各種情境的死亡率，並獲得與CML相似或更具潛力卓越的性效能。目前在醫療領域使用FL的比例與臨床用途越來越廣且受歡迎，兼具多元完整的情境考量設計和可能關鍵核心預測時間節點（如：24 時，48時，72時，96 時，7天和30天）中，並運用不同的預測因子（如：實驗室檢測數據，生命體徵和藥物特徵等），FL的模型顯現其亮點優勢潛力，尤其在緊急醫療場域，結合患者既存病歷數據以及感染性疾病，後續值得進一步深入評估與探討。

何文照教授說，此研究分析最主要初始的發想、假設與啟發，除了聯邦學習在隱私可能相對提供保護之優勢外，The lady Tasting Tea (統計改變了世界)一書論述中：統計大師費雪 (Sir Ronald A. Fisher)任職於羅森斯特農業試驗所(Rothamsted Agriculture Experimental Station)時，每個農業試驗所都擁有自己的肥力 (fertility index)用以評估調整和預估農產物收成量，並且相信它都比別人的指數更準確，當費雪將每個農業試驗所這些指數化簡為基本代數式時，發現這些指數根本是相同公式的不同變化形式，換句話說，長久以來彼此競爭激烈的不同指數，所做出來的結果實際上是完全相同的，1921年費雪在重量級期刊「應用生物學年報，Annuals of Applied Biology」發表論文，指出上述用哪種肥力並沒有任何差異，費雪同時表示，這些肥力調整不足以表示不同農地在收成上的差異，這篇非凡的論文，為一場延燒二十年科學論戰畫上休止符。

何文照教授闡述費雪的結論是：「科學家應該從潛在實驗結果的數學模型著手。」文中所述的數學模型，為一組方程式，此與聯邦學習似有隱然相互呼應對仗之感，異曲同工，以古鑑今，思維論證假說與分析工具結合，期待「健康台灣」Taiwan can help，「星球健康」 Connecting the East and the West, One Health in One Planet，能廣植福田，助人濟世，讓世界更美好。