의료 분야에서 인공지능(AI) 및 머신 러닝(ML) 응용 프로그램은 개인 정보 보호 규제와 의료 기관 간 데이터 분산으로 인해 상당한 장벽에 직면하고 있습니다. 분산형 머신 러닝 프레임워크는 데이터 기밀성을 유지하면서 협력적인 모델 개발을 가능하게 합니다. 본 포괄적인 분석은 심혈관 위험 평가 및 기밀 정보 교환 시스템이라는 두 가지 중요한 의료 분야에 적용된 분산 학습 방법론을 검토합니다. 우리는 현재의 접근 방법을 훈련 방법론, 암호 보호 및 적응 기술에 따라 체계적으로 분류합니다. 이 연구는 다양한 임상 환경에서 이질적인 데이터 분포와 운영 프로토콜에 따른 모델의 효과성을 평가합니다. 암호화된 계산 및 통계적 개인 정보 보호 조치를 포함한 안전한 통신 메커니즘은 적대적인 악용으로부터의 방어 능력을 분석합니다. 설문 조사 결론에서 실제 임상 적용을 위한 모델 맞춤화, 자원 효율적인 구현 및 윤리적 거버넌스 프레임워크의 연구 기회를 식별합니다.
Adepu 외 (Thu,)는 이 질문을 연구했습니다.