본 연구는 뇌의 건강 상태를 반영하는 뇌 예측 연령(BrainAGE) 추정을 위해, 기계적 혈전 제거술을 받은 허혈성 뇌졸중 환자 1674명의 FLAIR 뇌 영상을 사용하여 연합 학습(FL)의 성능을 평가하고, 임상 표현형 및 기능적 결과와의 연관성을 조사했습니다. 16개 병원의 데이터를 중앙 집중식 학습, 연합 학습, 단일 병원 학습 세 가지 전략으로 표준 기계 학습 및 심층 학습 모델을 구축하여 BrainAGE를 추정하고, 예측 오차를 보고했습니다. 또한 BrainAGE와 혈관 위험 요인(당뇨병, 고혈압, 흡연 등) 및 뇌졸중 3개월 후 기능적 결과 간의 연관성을 조사하고, 로지스틱 회귀 분석을 통해 BrainAGE의 예측 값을 평가했습니다. 중앙 집중식 학습이 가장 정확한 예측 결과를 제공했지만, 연합 학습은 단일 병원 모델보다 지속적으로 우수한 성능을 보였습니다. 모든 모델에서 당뇨병 환자의 BrainAGE가 유의하게 높았으며, BrainAGE와 뇌졸중 회복 간의 유의미한 연관성을 확인했습니다.
