不共享數據，也能聯合訓練，UCL團隊用聯邦學習重塑血液形態學檢查
研究背景與目標
來自倫敦大學學院（UCL）電腦科學系的研究團隊提出了一種用於白血球形態分析的聯邦學習框架，使各醫療機構能在不交換訓練資料的情況下進行協同訓練，解決資源有限環境中資料共享的困難。
技術原理
該框架基於聯邦學習（Federated Learning）技術，讓AI模型在不移動資料的情況下，直接在資料所在位置進行訓練，有效避免了傳統資料集中所帶來的隱私與安全風險。
應用領域
此技術主要應用於血液形態學檢查，特別是白血球的自動分析，有助於提升診斷效率與準確性，並為醫療資源較為匱乏的地區提供可行的解決方案。
潛在影響
透過不需資料交換即可進行模型訓練，此方法為醫療AI的發展帶來新方向，未來有望擴展至其他需要跨機構協同但又受限於資料隱私的領域。