フェアフェドメド：フェデレーテッド医療画像におけるグループの公平性のベンチマーク
カテゴリ：診断支援・画像解析
公開日：2026年4月4日
タイトル：FairFedMed: Benchmarking Group Fairness in Federated Medical Imaging With FairLoRA
雑誌名：IEEE Trans Med Imaging. 2026 Apr; 45(4): 1337-1351. doi: 10.1109/TMI.2025.3622522.
概 要：
本研究は、医療における公平性の重要性に着目し、フェデレーテッドラーニング（FL）を用いた医療画像のモデル訓練における公平性を評価するための初の実験的ベンチマークを確立しました。FairFedMedという医療FLデータセットを導入し、異なる人口統計属性と画像モダリティにわたる6つの代表的なFL手法を評価しました。このデータセットは、2D眼底画像と3D OCTの眼科サンプルを含むFairFedMed-Ophと、CheXpertおよびMIMIC-CXRのサブセットを用いた実際のクロスインスティテューショナルFLをシミュレートするFairFedMed-Chestの2部構成です。既存のFLモデルは医療画像においてパフォーマンスが低く、人口統計グループ間の公平性を無視しているため、FairLoRAという公平性を考慮したFLフレームワークを提案します。
方 法：
本研究では、FairFedMedデータセットを用いたコホート研究を実施しました。データセットは、2D眼底画像と3D OCTの眼科サンプルを含むFairFedMed-Ophと、CheXpertおよびMIMIC-CXRのサブセットを用いたFairFedMed-Chestから構成され、異なる人口統計属性に基づくFL手法を評価しました。主要評価指標は、医療画像分類におけるパフォーマンスと人口統計グループ間の公平性です。
結 果：
FairLoRAは、医療画像分類において最先端のパフォーマンスを達成し、さまざまな人口における公平性を大幅に改善しました。実験結果は、FairFedMedデータセット上でのFL手法のパフォーマンスを示し、特に人口統計グループ間での一貫したパフォーマンスを確保しました。
結 論：
FairLoRAは、医療画像における公平性を考慮したFLフレームワークとして、医療分野におけるモデル訓練の公平性を向上させる可能性が示されました。この研究は、医療における公平性の向上に寄与することが期待されます。