تزداد أنظمة الرعاية الصحية بسرعة في استخدام التعلم الآلي للطب الدقيق، وإدارة سير العمل السريري، وتحسين نتائج المرضى. ومع ذلك، فإن الاعتماد على البيانات المجمعة مركزيًا يمثل مشكلة من حيث الخصوصية، وسهولة التوسع، والتشغيل المتداخل مع دعم القرار السريري في الوقت الحقيقي. تصف هذه الورقة إطارًا جديدًا لحوسبة التعلم الآلي الفيدرالي يجمع بين الحوسبة السحابية والحواف، وأجهزة استشعار مراقبة الصحة، وبروتوكولات التجميع الآمن من أجل تقديم رعاية صحية شخصية قائمة على البيانات مع الحفاظ على خصوصية المرضى. يتم التحقق من أداء الإطار من خلال محاكاة تجريبية على مجموعات بيانات متعددة الوسائط، مما يظهر دقة أعلى، وزمن استجابة أقل، ومرونة في مواجهة التهديدات السيبرانية. من خلال دمج مفاهيم الطب الدقيق، والرعاية الصحية المدفوعة بالذكاء الاصطناعي، والتقنيات القابلة للارتداء، يسد النموذج المقترح الفجوة بين الابتكار وتبني السريرية بينما نسعى لتحقيق نهج قائم على البيانات قابل للتوسع في تقديم الرعاية.
درست قاضي روبية مريم (يوم الجمعة) هذا السؤال.