การสกัดความสัมพันธ์ของโรคและตำแหน่งจากรายงานรังสีวิทยาแบบข้อความเสรี (Free text) มักติดปัญหาเรื่องความเป็นส่วนตัวของข้อมูลและความเหลื่อมล้ำของจำนวนข้อมูลในแต่ละสถานพยาบาล ระบบ FedPref ถูกพัฒนาขึ้นเพื่อแก้ปัญหานี้โดยใช้เทคนิค Federated Preference Learning ซึ่งอนุญาตให้สถาบันต่างๆ ร่วมกันเทรนโมเดล Qwen3-8B ขนาดกะทัดรัดผ่านการจัดลำดับความถูกต้องของผลลัพธ์ (Preference Ranking)
ระบบนี้ใช้โมเดลภาษาขนาดใหญ่ที่ถูกแช่แข็งไว้ (Frozen public LMs) ทำหน้าที่เสนอรูปแบบการสกัดข้อมูลเป็น JSON จากนั้นแพทย์ในแต่ละท้องถิ่นจะทำการจัดอันดับความถูกต้อง และแชร์เพียงแค่ค่าการอัปเดตโมเดล (Model updates) กลับไปยังส่วนกลาง ผลการทดสอบพบว่า FedPref ช่วยเพิ่มประสิทธิภาพ F1 score ให้กับสถานพยาบาลที่มีข้อมูลน้อยที่สุดได้อย่างมีนัยสำคัญ และให้ผลลัพธ์ที่ใกล้เคียงกับการรวมข้อมูลทั้งหมดมาเทรนที่จุดเดียว
