台湾は世界でも有数の、中央集権的で構造化された電子カルテ（EHR）システムを持つ国である。そのため、電子カルテデータをもとにした医療AIの開発で競争力を発揮している。台湾と米国を拠点とするAIスタートアップ「Aesop Technology」は、連合学習（FL: Federated Learning）によって処方ミスを防ぐAIモデルを開発している。
Aesopの17日付プレスリリースによると、同社と台北医学大学およびハーバード大学医学大学院の共同研究から、「一般内科診療所での処方ミスを検出する機械学習モデルについて、連合学習による国際的な移転可能性を評価する」成果が学術誌 Journal of Medical Internet Research – Medical Informaticsに発表された。同研究では処方箋が診断名に適合しているか識別するモデルを構築する際に、台湾のローカルデータベースの処方箋13.4億件によるオリジナルモデル（O）、米国の処方箋データベース66万件によるローカルモデル（L）をそれぞれ構築し、国際間での連合学習によるハイブリッドモデル（H）の精度と比較した。その結果、Oモデルの精度75-78%、Ｌモデルの精度76-78%という良好な国際間の移転性を示し、Hモデルでは精度79-85%というさらなる精度向上を達成できた。
膨大かつ多様な医療データを必要とするデータ駆動型医療にとって、患者の安全性とプライバシーを損なわないことが課題となる。連合学習はデータそのものを交換することなく共同でアルゴリズムをトレーニングすることで、その課題の解決を目指す。台湾と米国で国境を越えたAIモデル構築研究は、連合学習の大きな可能性を示している。
関連記事：
