多中心子宫内膜癌研究中缺失数据的联邦因果发现算法及其应用

本研究针对医学领域多中心数据整合中的缺失值偏差问题，提出首个支持异构缺失机制的联邦因果发现算法FED-HC-AIPW。研究人员通过建模各数据源的局部缺失机制，结合IPW（逆概率加权）和混合分布策略，在合成数据和真实子宫内膜癌多中心研究中验证了算法有效性，为临床决策提供了可解释的因果图谱。该成果发表于《Journal of Biomedical Informatics》，突破了传统方法对全局缺失机制的强假设限制。

　　

在医学研究和临床决策中，厘清变量间的因果关系至关重要。然而现实数据常面临两大挑战：一是医疗数据的隐私性导致多中心研究难以直接共享原始数据，二是普遍存在的缺失值会扭曲因果关系的推断。传统因果发现方法要么假设数据完整，要么强求所有数据源遵循统一的缺失机制——这显然与临床实践不符，不同医院因诊疗规范差异可能导致血压数据在A医院因设备故障随机缺失（MCAR），而在B医院仅对高危患者系统记录（MNAR）。

针对这一难题，研究人员开发了名为FED-HC-AIPW的创新算法。该技术首次将因果发现、缺失数据处理和联邦学习三大模块有机结合：首先通过客户端本地学习缺失指标R_i的父节点集合Π_R^j，建立个性化缺失机制模型；随后采用基于混合分布（LS加权）的服务器端聚合策略，协调不同样本量和缺失模式的数据源；最终通过自适应逆概率加权（AIPW）校正缺失偏差。在ALARM、WIN95PTS等标准模型测试中，其F1分数较基线方法提升最高达37%，尤其在MNAR场景表现突出。

关键技术路线包含：1）基于d-分离（d-separation）的客户端缺失机制识别；2）结合局部充分统计量的混合权重优化（LS方法）；3）汉南-奎因信息准则（HQC）驱动的图结构搜索。在涉及19家欧洲医院的子宫内膜癌研究中，算法成功整合了包括术前细胞学（Cytology）、p53基因状态、淋巴结转移（LNM）等28个异构变量，构建的因果图谱显示：L1CAM通过调控肌层浸润（MyometrialInvasion）间接影响5年生存率（Survival5yr），该路径与临床文献报道一致。交叉验证显示，其预测LNM的AUC达0.82±0.04，显著优于单中心分析。

这项研究的突破性在于三方面：方法论上，首次实现缺失机制异构性下的联邦因果发现；临床上，为子宫内膜癌个性化治疗提供可解释的决策支持；技术上，提出基于局部充分统计量的加权方案（LS），较传统全局加权（GW）提升15%似然分数。未来工作将拓展至非相同变量集场景，并探索潜在混杂因素的处理方案。论文成果为医疗联邦学习提供了新的分析范式，其代码已开源供学术界验证。