From Challenges and Pitfalls to Recommendations and Opportunities: Implementing Federated Learning in Healthcare

要約

統合学習は、データのプライバシーと安全性が損なわれないようにしながら、複数のセンター間での大規模なヘルスケア研究とコラボレーションを可能にする大きな可能性を秘めている。最近の数多くの研究が、ヘルスケアにおける連合学習ベースの手法を示唆または利用しているが、どれが潜在的な臨床的有用性を持つかは依然として不明である。このレビュー論文では、2024年5月までに行われた、ヘルスケアにおける連合学習ベースの手法に関する最新の研究を検討・分析している。徹底的なレビューの結果、その大部分は、プライバシーの問題、一般化の問題、コミュニケーションコストなどを含むがこれらに限定されない、方法論的な欠陥や根本的なバイアスのために、臨床での使用には適していないことがわかった。その結果、ヘルスケアにおける連合学習の有効性は著しく損なわれている。これらの課題を克服するために、これらの問題を解決し、ヘルスケアとの連携学習におけるモデル開発の質を向上させるために実施される可能性のある提言と有望な機会を提供する。

要約(オリジナル)

Federated learning holds great potential for enabling large-scale healthcare research and collaboration across multiple centres while ensuring data privacy and security are not compromised. Although numerous recent studies suggest or utilize federated learning based methods in healthcare, it remains unclear which ones have potential clinical utility. This review paper considers and analyzes the most recent studies up to May 2024 that describe federated learning based methods in healthcare. After a thorough review, we find that the vast majority are not appropriate for clinical use due to their methodological flaws and/or underlying biases which include but are not limited to privacy concerns, generalization issues, and communication costs. As a result, the effectiveness of federated learning in healthcare is significantly compromised. To overcome these challenges, we provide recommendations and promising opportunities that might be implemented to resolve these problems and improve the quality of model development in federated learning with healthcare.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL