多層パーセプトロンミキサーアーキテクチャにおけるフェデレーテッド学習と継続学習の融合による胸部感染症の診断
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：Cross paradigm fusion of federated and continual learning on multilayer perceptron mixer architecture for incremental thoracic infection diagnosis
雑誌名：Sci Rep. 2025 Jul 08; 15(1): 24449.
概 要：
本研究は、胸部ウイルス感染症の診断における医療画像の重要性を踏まえ、データ主権の問題を克服するためにフェデレーテッド学習と継続学習を組み合わせた感染症予測モデルを構築しました。COVID-XRAYおよびCOVID-CTデータセットを用い、3および6のクライアントで4つの継続学習アルゴリズムを実装し、10の異なるモデルで評価しました。特に、MLP-Mixerと忘却なし学習（LwF）技術を統合し、54.34%の精度を達成しました。このアプローチは、感染症の早期発見、感知、適時警告における有効性を示し、将来の感染症に対する多施設予測システムの構築に寄与します。
方 法：
本研究は、COVID-XRAYおよびCOVID-CTデータセットを用いたコホート研究で、3および6のクライアントを対象にフェデレーテッド学習と継続学習を組み合わせたモデルを構築しました。4つの継続学習アルゴリズムを実装し、MLP-MixerとLwF技術を統合しました。主要評価指標は、モデルの精度で54.34%です。
結 果：
本研究のモデルは、54.34%の精度を達成し、感染症の早期発見において有効であることが示されました。特に、MLP-MixerとLwF技術の統合が効果的であることが確認されました。
結 論：
フェデレーテッド学習と継続学習を融合させたアプローチは、胸部感染症の診断において高い精度を示し、将来的な感染症に対する多施設予測システムの構築に貢献する可能性があります。