Federated Learningに基づくメラノーマ分析および検出のための医療サポートプラットフォーム

科学分野:

• 医療における人工知能
• 医用画像解析
• 計算病理学

背景:

• 人工知能（AI）は、特に早期がん検出において、医療診断および治療においてますます重要になっています。
• 臨床画像からのメラノーマ検出は、精度とデータプライバシーの課題を提示します。

研究 の 目的:

• 臨床画像からの早期メラノーマ検出のための深層学習モデルを開発すること。
• プライバシーを保護する協調的モデルトレーニングのために連合学習（FL）を統合すること。
• 日焼けや肌の色調などの要因を考慮して、臨床医をサポートするツールを作成すること。

主な方法:

• 皮膚画像からのメラノーマ分類のために深層学習モデルが提案されました。
• 重み付き平均アルゴリズムを使用してモデル集約のために連合学習（FL）が実装されました。
• 効率的なデータ管理と結果分析のためにWebアプリケーションが開発されました。

主要な成果:

• 連合モデルは89.1%の精度と0.9251のROC AUCを達成しました。
• パフォーマンスは、集中型トレーニング方法に匹負するものでした。
• FLアプローチは、患者データのプライバシーを効果的に保護しました。

結論:

• 提案されたAIモデルは、早期メラノーマ検出を効果的にサポートします。
• 連合学習は、患者のプライバシーを侵害することなく、協調的なモデル開発を可能にします。
• 統合されたWebアプリケーションは、皮膚科医の臨床的有用性を向上させます。