医療におけるフェデレーテッドラーニングのガバナンスに関するスコーピングレビュー
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：A scoping review of the governance of federated learning in healthcare
雑誌名：NPJ Digit Med. 2025 Jul 10; 8(1): 427. doi: 10.1038/s41746-025-01836-3. Epub 2025 Jul 10.
概 要：
本研究は、医療におけるフェデレーテッドラーニング（FL）のデータガバナンスメカニズムの統合フレームワークを開発することを目的としています。FLは、大規模で異なるデータセットの分析を可能にし、データの管理者が主権を保持できる方法論として注目されていますが、倫理、プライバシー、悪用、害に関する懸念が残ります。これらの懸念は、効果的なデータガバナンスによって管理可能です。本研究では、39件の文献を用いて帰納的および演繹的分析を行い、12の手続き的、10の関係的、12の構造的メカニズムを含むフレームワークを提案しました。このフレームワークは、研究者が各メカニズムを実施する方法を検討し、実務者にFLのガバナンスにおいて考慮すべきメカニズムに関する洞察を提供します。
方 法：
本研究は、39件の文献を対象にしたスコーピングレビューを実施しました。分析には帰納的および演繹的手法を用い、データガバナンスメカニズムを特定しました。フレームワークは、手続き的、関係的、構造的メカニズムをそれぞれ12、10、12個含んでいます。
結 果：
提案されたフレームワークには、フェデレーテッドラーニングにおけるデータガバナンスのための12の手続き的メカニズム、10の関係的メカニズム、12の構造的メカニズムが含まれています。このフレームワークは、研究者が各メカニズムをどのように実施するかを検討するための指針を提供します。
結 論：
医療におけるフェデレーテッドラーニングの効果的なガバナンスを実現するためのメカニズムを明確にしたフレームワークが提案されました。このフレームワークは、研究者と実務者がFLを適切に管理するための重要な洞察を提供します。