Naukowcy zaproponowali HantaWatch, system oparty na uczeniu federacyjnym, który rewolucjonizuje monitoring Hantawirusa poprzez umożliwienie laboratoriom wspólnego trenowania modeli predykcyjnych bez konieczności dzielenia się wrażliwymi danymi sekwencji genetycznej. Framework integruje kilka kluczowych komponentów: ekstrakcję cech k-mer z sekwencji genomowych, świadomą źródła konstrukcję klientów federacyjnych oraz adaptacyjną optymalizację DU-FedProx, która radzi sobie z heterogeniczności danych między różnymi ośrodkami.
Hantawirus stanowi znaczne zagrożenie dla zdrowia publicznego, szczególnie w regionach o wysokim ryzyku, ale tradycyjne podejścia do nadzoru genomicznego są ograniczone rozproszeniem danych, brakiem Expert-review capacity i trudnościami w standaryzacji analiz między instytucjami. HantaWatch rozwiązuje te problemy przez decentralizację trenowania modelu - każde laboratorium może ulepszać wspólny model bez ujawniania swoich danych sekwencji. Eksperymenty wykazały, że system skutecznie wspiera wykrywanie wysokiego ryzyka, prognozowanie ognisk epidemicznych, klasyfikację klad oraz kategoryzację zespołów klinicznych.
Szczególnie istotne jest to, że HantaWatch konwertuje surowe wyniki modelu w praktyczne dla ekspertów formaty: oceny ryzyka, oszacowania pewności, flagi niepewności i uszeregowane priorytety dla przeglądu eksperta. System działa jako warstwa wsparcia decyzyjnego dla zdecentralizowanego nadzoru - wspomagając pracę epidemiologów bez całkowitej automatyzacji, co pozwala ekspertom pozostać w pętli decyzyjnej przy jednoczesnym przyspieszeniu identyfikacji podejrzanych przypadków.