基于联邦学习的药物不良反应预测

本文解决了药物不良反应（ADR）预测中存在偏见数据的问题，这是医疗保健中的一个关键问题。作者提出了一种基于联邦学习的方法，PFed-Signal，以减轻FAERS数据库中偏见数据的影响。使用欧几里得距离进行偏见数据识别和基于Transformer的预测模型是新颖的方面。本文的重要性在于其有可能提高ADR预测的准确性，从而改善患者安全性和更可靠的诊断。

• •提出了PFed-Signal，一种用于ADR预测的联邦学习模型。
• •使用欧几里得距离来识别和删除有偏见的数据。
• •利用基于Transformer的模型进行ADR预测。
• •与基线方法相比，实现了更高的准确性和性能指标。