カナダにおける患者レベルデータ共有のための集中型プーリングとフェデレーテッドラーニング：スコーピングレビュー
カテゴリ：災害・救急医療
公開日：2026年5月2日
タイトル：Centralized pooling and federated learning for Canadian patient-level data sharing in multicenter medical AI: A scoping review.
雑誌名：Artif Intell Med. 2026 Apr 21;178:103422. doi: 10.1016/j.artmed.2026.103422.
概 要：
本研究は、カナダの研究者が多施設医療AIコラボレーションにおいて患者レベルのデータをどのように共有しているかをマッピングするためのスコーピングレビューを実施しました。患者データへのアクセスが限られることで、モデルのパフォーマンスに不均一性が生じる可能性があります。2018年から2025年2月までの文献を調査し、3100件の研究のうち160件が多施設での患者データ収集を報告しました。このうち95%が集中型ストレージを使用し、5%がフェデレーテッドラーニングなどの分散型アプローチを採用していました。多くの研究が国際的なパートナーシップを含み、カナダのデータのみを使用した分散型コラボレーションは1件のみでした。
方 法：
PubMed、IEEE Xplore、ACM Digital Library、Scopus、Web of Scienceを用いて、2018年から2025年2月までの文献を検索しました。人間の介在を伴う大規模言語モデルプロセスを実施し、スクリーニングと抽出を支援しました。3100件の研究の中から160件が多施設患者データ収集を報告しました。
結 果：
160件の多施設研究のうち、95%が集中型プーリングを使用し、5%がフェデレーテッドラーニングや分散特徴共有などの分散型アプローチを報告しました。81.8%のコラボレーションが3つ以上の倫理審査委員会からの並行承認を受けていました。国際的なパートナーシップが80%を占め、カナダのデータのみを使用した分散型コラボレーションは1件のみでした。
結 論：
研究結果は、集中型プーリングを制限しつつ、サイト間での一貫したトレーニング、検証、報告を可能にする分散型モデル開発プロトコルと相互運用可能なガバナンスの採用を支持しています。