标准机器学习方法需要在一台机器或数据中心把数据集中起来训练模型，这需要同时处理多家医疗机构的数据，用于临床预测模型的训练。但医疗数据有着极高的敏感性，包括数据的权属问题、数据的隐私问题、数据的合规问题等，这均要求在保证数据绝对安全、合规的前提下进行机器学习模型的训练。如何在医疗数据不出医疗机构安全域的前提下进行一个模型训练，这是联邦学习（Federated learning）兴起的背景。联邦学习使得不同医疗机构能够协同学习、共享预测模型，同时将所有训练数据保存在各自医疗机构内部，从而将机器学习的能力与数据集中存储脱钩。
