Beim föderierten Lernen bleiben die Patientendaten in den jeweiligen Krankenhäusern. Die Kliniken trainieren ihre Modelle vor Ort und übermitteln Informationen zu deren Anpassung, statt Bilddaten zentral zusammenzuführen. Das KIT hat dieses Verfahren für Anwendungen in der Strahlentherapie untersucht, wo unterschiedliche Aufnahmen aus MRT, CT und CBCT gebraucht werden. Die Verfahren liefern verschiedene Informationen für die Planung und Durchführung der Behandlung.
Im konkreten Versuch entwickelten und testeten die Forschenden Verfahren, mit denen ein KI-Modell synthetische CT-Bilder für den Kopf-Hals-Bereich erzeugt. Die Ergebnisse zeigen nach Angaben des KIT, dass mehrere Kliniken ein solches Modell gemeinsam trainieren können, ohne sensible Patientendaten untereinander auszutauschen. Synthetische CT-Aufnahmen könnten in bestimmten Fällen zusätzliche CT-Untersuchungen ersetzen. Das würde zusätzliche Röntgenstrahlung vermeiden und den Abgleich unterschiedlicher Bilddatensätze überflüssig machen. Das KIT beschreibt diese Nutzung als mögliche künftige Anwendung, nicht als bereits etablierten Klinikbetrieb.
Neben dem Datenschutz untersuchte das Team, ob sich aus einem trainierten Modell Aufnahmen einzelner Patientinnen und Patienten rekonstruieren lassen. Laut KIT können vergleichsweise kleine Anpassungen bekannte Angriffe dieser Art abwehren. Die Forschenden betonen damit, dass der Schutz der ursprünglichen Daten allein nicht alle Sicherheitsrisiken eines föderierten Systems abdeckt.
Auch den Rechenaufwand und die CO₂-Emissionen bezog das Team in die Untersuchung ein. Abhängig von der Modellarchitektur sanken beide Werte um 9 bis 23 Prozent, ohne dass die Qualität der erzeugten Bilder darunter litt. Das KIT sieht darin einen möglichen Vorteil für kleinere Kliniken mit begrenzten Rechenressourcen. Die Ergebnisse belegen die technische Umsetzbarkeit und untersuchte Schutzmaßnahmen; sie zeigen noch keine breite klinische Nutzung der Verfahren.