Des revues soulignent le rôle de la blockchain dans le partage des données médicales et l’apprentissage fédéré

Deux revues examinent les initiatives de partage de données médicales fondées sur la blockchain et l’apprentissage fédéré fondé sur la blockchain dans le secteur de la santé, et concluent que les mécanismes de gouvernance et de transaction jouent un rôle particulièrement déterminant dans la pérennité des initiatives, tandis que les cadres BCFL combinent la confiance décentralisée et la traçabilité de la blockchain avec les capacités d’apprentissage collaboratif préservant la confidentialité propres à l’apprentissage fédéré. Les études décrivent le partage sûr et efficace de données médicales sensibles entre institutions comme un défi majeur en raison des préoccupations liées à la confidentialité, des silos de données, des restrictions réglementaires, des risques pour la sécurité des données et des points uniques de défaillance dans les systèmes centralisés.

Une revue a recensé 42 initiatives, en les classant selon des modèles de propriété, de gouvernance, économiques, d’incitation, de transaction et de durabilité. Le modèle de base, exécuté avec un seuil d’inclusion de 0,65, a identifié plusieurs configurations associées à une activité soutenue des initiatives, mettant en évidence le rôle des mécanismes de gouvernance et des structures transactionnelles dans le soutien de la viabilité à long terme. L’analyse de sensibilité menée à travers plusieurs seuils a montré qu’à 0,80, seules deux configurations subsistaient, représentant les voies les plus cohérentes vers une activité durable.

Cette analyse a mis en évidence une variété de modèles de gouvernance, de propriété, économiques et de durabilité, sans qu’aucune configuration structurelle unique ne garantisse une viabilité à long terme. Les résultats suggèrent que les mécanismes de gouvernance et de transaction sont particulièrement influents dans le maintien des initiatives, compensant souvent l’absence de modèles économiques ou de durabilité solides. La portée était limitée aux initiatives identifiées à partir de la documentation disponible et d’un échantillonnage en boule de neige, et les résultats soulignent la nécessité de poursuivre les recherches sur l’interaction entre les structures de gouvernance, les modèles financiers et la durabilité à long terme dans le partage des données médicales.

La revue systématique de la littérature sur l’apprentissage fédéré fondé sur la blockchain indique que la croissance exponentielle des données médicales et les avancées de l’intelligence artificielle ont accéléré le développement de soins de santé fondés sur les données, mais que l’échange sécurisé et le contrôle des informations de santé sensibles sont devenus des préoccupations centrales. La revue a recherché des études de 2018 à 2025 et, après déduplication automatisée et sélection manuelle en plusieurs étapes, a inclus plus de 100 articles de haute qualité couvrant les fondements théoriques, les architectures système, les domaines d’application, les limites et les orientations futures.

Selon la revue, le BCFL renforce la sécurité des données, soutient la collaboration interinstitutionnelle préservant la confidentialité et facilite des applications concrètes dans les soins de santé, notamment le partage de données médicales, l’Internet des objets médicaux, la surveillance de la santé publique et la télémédecine. Les applications couvrent le partage interinstitutionnel de données médicales, l’Internet des objets médicaux, la prévision des épidémies et la télémédecine, tandis que des architectures comprenant des modèles entièrement couplés, flexiblement couplés et faiblement couplés offrent différents compromis entre efficacité, évolutivité et sécurité.

La revue indique que cette intégration atténue des risques tels que l’altération des modèles, la fuite de données et le manque d’incitations dans les systèmes fédérés. Elle ajoute que l’apprentissage fédéré permet aux institutions d’entraîner conjointement des modèles sans échanger de données brutes, tandis que des exigences légales et réglementaires strictes telles que HIPAA et GDPR doivent être respectées lors du traitement des données personnelles. Malgré les défis techniques et pratiques actuels, la revue conclut que le BCFL présente un fort potentiel pour soutenir la médecine de précision, la collaboration mondiale autour des données de santé et le déploiement à grande échelle de l’IA dans les soins de santé.