의료 데이터 공유와 연합학습에서 블록체인의 역할 조명한 리뷰

두 편의 리뷰가 헬스케어에서의 블록체인 기반 의료 데이터 공유 이니셔티브와 블록체인 기반 연합학습을 검토한 결과, 거버넌스와 거래 메커니즘이 이니셔티브의 지속성에 특히 큰 영향을 미치며, BCFL 프레임워크는 블록체인의 분산형 신뢰와 감사 가능성을 연합학습의 프라이버시 보존 협업 학습 역량과 결합하는 것으로 나타났다. 연구들은 기관 간 민감한 의료 데이터를 안전하고 효율적으로 공유하는 일이 개인정보 보호 우려, 데이터 사일로, 규제 제한, 데이터 보안 위험, 중앙집중형 시스템의 단일 장애점 때문에 주요 과제라고 설명했다.

한 리뷰는 42개 이니셔티브를 확인하고, 이를 소유권, 거버넌스, 비즈니스, 인센티브, 거래, 지속가능성 모델에 따라 분류했다. 0.65의 포함 임곗값에서 실행된 기본 모델은 지속된 이니셔티브 활동과 관련된 여러 구성을 확인했으며, 장기적 지속 가능성을 뒷받침하는 데서 거버넌스 메커니즘과 거래 구조의 역할을 부각했다. 여러 임곗값에 걸쳐 수행된 민감도 분석에서는 0.80에서 2개 구성만 남았으며, 이는 지속된 활동으로 이어지는 가장 일관된 경로를 나타냈다.

이 분석은 다양한 거버넌스, 소유권, 비즈니스, 지속가능성 모델을 확인했으며, 장기적 지속 가능성을 보장하는 단일 구조 구성은 없었다. 연구 결과는 거버넌스와 거래 메커니즘이 이니셔티브를 지속시키는 데 특히 큰 영향을 미치며, 강력한 비즈니스 모델이나 지속가능성 모델이 없더라도 이를 보완하는 경우가 많음을 시사한다. 범위는 이용 가능한 문헌과 스노볼 샘플링을 통해 확인된 이니셔티브로 제한됐으며, 결과는 의료 데이터 공유에서 거버넌스 구조, 재무 모델, 장기적 지속가능성의 상호작용에 대한 추가 연구 필요성을 강조한다.

블록체인 기반 연합학습에 대한 체계적 문헌고찰은 의료 데이터의 기하급수적 증가와 인공지능의 발전이 데이터 기반 헬스케어의 발전을 가속했지만, 민감한 건강정보의 안전한 교환과 통제가 핵심 관심사로 부상했다고 밝혔다. 이 리뷰는 2018년부터 2025년까지의 연구를 검색했으며, 자동 중복 제거와 다단계 수동 선별을 거쳐 이론적 기반, 시스템 아키텍처, 적용 분야, 한계, 향후 방향을 다룬 100편 이상의 고품질 논문을 포함했다.

리뷰에 따르면 BCFL은 데이터 보안을 강화하고, 프라이버시를 보존하는 기관 간 협업을 지원하며, 의료 데이터 공유, 의료 사물인터넷, 공중보건 감시, 원격의료를 포함한 헬스케어의 실질적 응용을 촉진한다. 적용 분야는 기관 간 의료 데이터 공유, 의료 사물인터넷, 유행병 예측, 원격의료에 걸쳐 있었으며, 완전 결합형, 유연 결합형, 느슨한 결합형 모델을 포함한 아키텍처는 효율성, 확장성, 보안 사이에서 각기 다른 절충점을 제공한다.

이 리뷰는 이러한 통합이 모델 변조, 데이터 유출, 연합 시스템에서의 인센티브 부족과 같은 위험을 완화한다고 밝혔다. 또한 연합학습은 기관들이 원시 데이터를 교환하지 않고도 협력적으로 모델을 학습할 수 있게 하지만, 개인정보를 다룰 때는 HIPAA와 GDPR 같은 엄격한 법적·규제적 요구사항을 충족해야 한다고 덧붙였다. 현재의 기술적·실무적 과제에도 불구하고, 리뷰는 BCFL이 정밀의료, 글로벌 보건 데이터 협업, 헬스케어에서의 대규모 AI 배치를 지원할 강력한 잠재력을 보여준다고 평가했다.