본 논문은 연합 학습 환경에서 개별 치료 효과(ITE) 추정을 위한 새로운 알고리즘인 FED-IPTW를 제안합니다. 기존 ITE 추정 방법들은 중앙 집중식 설정을 전제로 하지만, 실제 임상 환경에서는 데이터 공유의 어려움으로 적용이 제한적입니다. FED-IPTW는 역확률 치료 가중치(IPTW) 방법을 연합 학습 환경에 적용하여, 각 병원의 데이터에서 공변량과 치료 간의 전역 및 지역적 비상관성을 강제함으로써 혼란 변수의 영향을 완화합니다. 실험 결과, 합성 및 실제 eICU 데이터셋에서 기존 방법들보다 우수한 성능을 보이며, 특히 기계 환기 사용에 대한 개인화된 치료 전략 설계에 기여할 수 있음을 보여줍니다.
