セプシス治療のための臨床意思決定支援システムにおける反事実的説明を改善するためのフェデレーテッドラーニングの統合
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Integrating federated learning for improved counterfactual explanations in clinical decision support systems for sepsis therapy
雑誌名：Artif Intell Med. 2024 Nov; 157: 102982.
概 要：
本研究では、臨床意思決定支援システム（CDSS）における反事実的説明の生成を改善するために、フェデレーテッドラーニングを用いることを提案しています。反事実的説明は、医療従事者にとって解釈が容易であり、CDSSの信頼性向上に寄与します。しかし、高品質な反事実的説明を生成するには大量のデータが必要であり、通常の病院では困難です。本研究では、複数の病院が共同で生成モデルを訓練し、データプライバシーを維持する方法を示し、従来のローカル生成と比較して優位性を証明しました。
方 法：
本研究は、フェデレーテッドラーニングを用いた生成モデルの訓練を行い、複数の病院がデータプライバシーを保持しながら共同でモデルを訓練する方法を採用しました。反事実的説明の生成において、フェデレーテッドラーニングで訓練されたモデルが、中央集権的に訓練されたモデルとほぼ同等の性能を示すことを実証しました。
結 果：
フェデレーテッドラーニングを用いた生成モデルは、ローカルに生成された反事実的説明と比較して優れた結果を示しました。また、セプシス患者の治療推奨のためのプロトタイプCDSSに統合し、実世界での応用の証明と臨床応用からの洞察を提供しました。
結 論：
本研究は、フェデレーテッドラーニングを用いた反事実的説明の生成が、データプライバシーを保持しつつ、臨床意思決定支援システムの信頼性を向上させる可能性を示しました。これにより、医療現場での実用化に向けた重要な一歩となることが期待されます。