[論文レビュー] Fed-BioMed: Open, Transparent and Trusted Federated Learning for Real-world Healthcare Applications

Francesco Cremonesi, Marc Vesin+17 more|arXiv (Cornell University)|Apr 24, 2023

Privacy-Preserving Technologies in Data被引用数 8

ひとこと要約

Fed-BioMed は、実世界の医療研究に合わせた公開・透明・安全な連邦学習フレームワークを提示し、ガバナンス、医療データ標準との相互運用性、研究者のインタラクティビティ、エdgeノードのセキュリティを重視します。

ABSTRACT

The real-world implementation of federated learning is complex and requires research and development actions at the crossroad between different domains ranging from data science, to software programming, networking, and security. While today several FL libraries are proposed to data scientists and users, most of these frameworks are not designed to find seamless application in medical use-cases, due to the specific challenges and requirements of working with medical data and hospital infrastructures. Moreover, governance, design principles, and security assumptions of these frameworks are generally not clearly illustrated, thus preventing the adoption in sensitive applications. Motivated by the current technological landscape of FL in healthcare, in this document we present Fed-BioMed: a research and development initiative aiming at translating federated learning (FL) into real-world medical research applications. We describe our design space, targeted users, domain constraints, and how these factors affect our current and future software architecture.

研究の動機と目的

• FL を生物医療研究と医療に適用するための設計空間と指針となる原則を定義する。
• データガバナンス、相互運用性、研究者のインタラクティビティ、セキュリティといったドメイン特有の要件を特定し、それをソフトウェアアーキテクチャにマッピングする。
• 異種の病院インフラストラクチャに跨る展開を簡素化する仕組み（DataLoadingPlan、TrainingPlan、ガバナンス GUI）を提案する。
• ネットワーク、研究者、ノードの三要素アーキテクチャと、医療分野における FL 実験のガバナンス中心のワークフローを提示する。
• Fed-BioMed が既存の生物医用分野の FL フレームワークと比較してどのようであるかを強調し、研究展開と実運用展開の考慮事項を概説する。

提案手法

• 医療 FL における Fed-BioMed の設計空間、目標、対象ユーザーロールを説明する。
• ガバナンス、相互運用性、インタラクティビティ、セキュリティに焦点を当てた一次・二次・補助要件を定義する。
• アーキテクチャ要素（ネットワーク、研究者、ノード）とデータ駆動の TrainingPlan/Experiment 構造を提案する。
• ノード側のガバナンス機能を実装し、TrainingPlan の承認と DataLoadingPlan を介したデータ読み込みのカスタマイズを提供する。
• 研究者向けの Python SDK と Jupyter 互換インターフェースを提供し、実験設定、ログ記録、チェックポイントをサポートする。
• データ標準の統合と異種エdge インフラをコンテナ化とデータセットクラスでサポートする。

Figure 1: Workflow of an FL experiment from the point of view of a clinical data provider. The shaded area represents \fbm ’s design space in terms of functionalities and targeted usage.

実験結果

リサーチクエスチョン

• RQ1 医療および生物医学領域で FL を適用する際のドメイン特有の要件と設計上の考慮点は何か。
• RQ2 Fed-BioMed は現実世界の病院ネットワークにおけるデータガバナンス、相互運用性、研究者のインタラクティビティ、セキュリティのニーズをどう満たすか。
• RQ3 安全でインタラクティブ、改ざん耐性のある連邦学習を生物医学で実現するためのアーキテクチャ選択とソフトウェア機構は何か。
• RQ4 Fed-BioMed はヘルスケアの適用性とガバナンス能力の観点で既存の FL フレームワークとどう比較されるか。
• RQ5 Fed-BioMed 内で研究実験から実運用展開へ移行する意図されたワークフローは何か。

主な発見

• Fed-BioMed は、医用 FL におけるガバナンス、相互運用性、インタラクティビティ、セキュリティに対応する四層の要件フレームワーク（一次・二次・補助）を明示する。
• アーキテクチャは三要素（ネットワーク、研究者、ノード）を中心に、異種病院インフラ間で安全かつ対話型の連邦学習を仲介する。
• DataLoadingPlan と TrainingPlan の concepts を導入し、データ形式の調和とモデル訓練を統合しつつ、ノードのガバナンスとセキュリティ制御を可能にする。
• 研究者とデータ提供者を支援する Python SDK と Jupyter 互換インターフェースを提供し、プラン承認やコードハッシュ化などの機能で置換攻撃を緩和する。
• Fed-BioMed の設計空間を SubstraFL、OpenFL、Flare、Flower と比較し、ガバナンス、医用データ統合、対話型実験などドメイン特化能力を強調する。
• 研究展開と実運用展開の考慮事項を記述し、人間の介在を伴うガバナンスと安全で監査可能なワークフローを強調する。

Figure 2: High-level architecture and design pillars of \fbm : node-side governance and control, interoperability with medical data standards and infrastructure, researcher interactivity, and data privacy and security. \fbm is composed of three components: the researcher, a data scientist responsibl