Aprendizagem federada e incerteza preditiva : uma abordagem para classificação de câncer colorretal.

Abstract

Câncer colorretal é um tipo de câncer que afeta a região do cólon e/ou reto e configura-se como um enorme problema de saúde pública, visto sua grande incidência e mortalidade. Em meio a este problema, a detecção utilizando Inteligência Artificial (IA) tem se mostrado como um eficaz método, dado sua capacidade de processar grandes cargas de dados e sua capacidade de detectar padrões que podem passar despercebidos pelo olhar humano. Dentro desta área, a aprendizagem federada estabelece-se como um relevante paradigma para construção e treinamento de modelos preditivos baseados em IA para auxílio em diagnósticos médicos, haja visto o não-compartilhamento dos dados (que geralmente são de natureza sensível e protegidos por lei) promovido pelo mesmo. Entretanto, clientes com dados corrompidos podem prejudicar o funcionamento da rede federada e, para mitigar este problema, foi proposta uma estratégia de drop de clientes baseada na análise da incerteza preditiva dos modelos gerados. Nos experimentos realizados, os quais contemplaram múltiplas formas de distribuição de dados, utilizou-se o dataset CRC-5000 e constatou-se que a estratégia amenizou quedas de 64 e 58 pontos percentuais de acurácia, que ocorreram nos experimentos em que não foi aplicada a estratégia proposta na arquitetura de redes neurais, sobre as distribuições Dataset Completo (DC) e Dataset Subdividido (DS), respectivamente, para menos de 1 ponto percentual e 3 pontos percentuais. Para os Vision Transformers (ViTs), os resultados foram ainda melhores, reduzindo-se quedas em acurácia de 13\% e 40\%, respectivamente, para nenhuma queda (0\%) em acurácia no ambiente DC e 3 pontos percentuais em DS. Mais detalhadamente, tais quedas decorreram de poisoning attacks baseados na randomização dos dados de entrada, os quais foram conduzidos por clientes maliciosos para treinar modelos locais que essencialmente minariam o processo de agregação da rede federada. Ademais, também foram realizados experimentos voltados à análise de performance do paradigma federado utilizando arquiteturas de redes neurais (EfficientNetB0) e ViTs (Google's Vit-Base-Patch16-224). A primeira atingiu 90\% e 88\% de acurácia para os ambientes DC e DS, enquanto que a segunda obteve 98\% e 97\% para os mesmos casos. Apesar de que uma comparação com o estado da arte seja difícil, visto que não há uma divisão treino/validação/teste padrão da base de dados, é possível afirmar que os resultados obtidos são promissores e mostraram que a proposta federada é uma válida abordagem para o problema.