Fonte:
International journal of medical informatics (2026) · PMID: 41475240
Autori:
Kommusaar Janne, Elunurm Silja, Chomutare Taridzo
Titolo originale:
A roadmap for federated learning projects using health data to guide sustainable artificial intelligence development in the European Union.
Abstract
Contesto:
L’aumento dei dati sanitari digitali ha ampliato le opportunità di innovazione basata sui dati, ma la privacy, le barriere legali ed etiche incorniciano la condivisione dei dati e lo sviluppo collaborativo dell’intelligenza artificiale. Federated Learning (FL) offre un’alternativa che preserva la privacy, ma la ricerca attuale considera principalmente gli aspetti tecnici. Non esiste una tabella di marcia end-to-end che integri principi etici, legali, tecnici e amministrativi su misura per i progetti FL nel settore sanitario. Questo studio affronta questa lacuna sviluppando una tabella di marcia per guidare la ricerca FL responsabile e scalabile nel contesto europeo.
Metodi:
Un approccio partecipativo multi-metodo è stato utilizzato per sviluppare una tabella di marcia per progetti scientifici che utilizzano FL sui dati sanitari. Il processo iterativo ha coinvolto tre fasi. In primo luogo, sono state definite le domande chiave e le prove esistenti sono state esplorate attraverso (i) un sondaggio tra esperti di dominio (ricercatori, specialisti della governance dei dati e fornitori di infrastrutture), (ii) una revisione mirata della letteratura sulle applicazioni FL nella ricerca sanitaria e (iii) una mappatura sistematica della legislazione e dei quadri politici pertinenti a livello UE. Le prove da queste fonti sono state sintetizzate per identificare i requisiti tecnici, organizzativi, legali e relativi alla sostenibilità per la ricerca basata su FL. In secondo luogo, i componenti della roadmap preliminare sono stati perfezionati attraverso il coinvolgimento delle parti interessate in un workshop online, in cui sono state esplicitamente discusse considerazioni di fattibilità, scalabilità e sostenibilità. In terzo luogo, la tabella di marcia è stata convalidata e perfezionata in modo iterativo da un gruppo di esperti attraverso una discussione di gruppo strutturata, incentrata sulla sostenibilità a lungo termine, la governance e la trasferibilità in tutti i contesti di ricerca. Il processo è stato condotto nell’ambito di una collaborazione Baltico-Nordica nel 2023-2025.
Risultati:
La tabella di marcia sviluppata integra considerazioni etiche, legali, tecniche, amministrative e relative alla sostenibilità essenziali per l’applicazione del FL ai dati sanitari. Sottolinea l’importanza della collaborazione multidisciplinare durante tutto il ciclo di vita del progetto FL, con particolare attenzione alla governance a lungo termine, alla scalabilità e al riutilizzo di infrastrutture e pratiche. Il processo è strutturato in sei fasi: (1) pianificazione, (2) perfezionamento dell’esecuzione, (3) dati, (4) piattaforma FL, (5) esperimento FL e (6) diffusione. In queste fasi, la sostenibilità viene affrontata attraverso meccanismi come l’allineamento normativo, modelli di governance condivisi, il rafforzamento delle capacità e l’integrazione con le infrastrutture di dati di ricerca e sanitari esistenti. Unendo aspetti etici, legali, tecnici e amministrativi in un quadro unificato end-to-end, la tabella di marcia fornisce una guida praticabile e innovativa oltre alle raccomandazioni esistenti.
Conclusioni:
Questo lavoro consolida le prime lezioni di FL nel settore sanitario in una tabella di marcia pratica e graduale che integra gli aspetti etici, legali, tecnici e amministrativi nel contesto europeo. Offrendo un quadro condiviso per le diverse parti interessate, supporta collaborazioni AI più affidabili, scalabili e conformi tra i sistemi sanitari.
Fabrizio Devito