본 논문은 연합 학습(Federated Learning, FL)을 활용한 의료 AI 모델 학습에서 개인정보보호, 자원 제약, 규정 준수와 관련된 문제점을 해결하기 위한 새로운 프레임워크를 제안합니다. 기존의 차등적 개인정보보호(Differential Privacy, DP) 접근 방식은 균일한 노이즈를 적용하여 성능 저하를 야기하는 반면, 본 논문에서 제안하는 프레임워크는 의료기관의 규정 준수 점수에 따라 노이즈를 적응적으로 조정합니다. 또한, 주요 의료 및 보안 표준을 기반으로 한 규정 준수 점수 측정 도구를 도입하여 다양한 의료 환경에서 안전하고 포괄적이며 공정한 참여를 장려합니다. 공개 데이터셋을 이용한 실험 결과, 자원이 부족하고 규정 준수 수준이 낮은 의료기관을 포함시키면 기존 FL보다 최대 15%의 정확도 향상을 달성할 수 있음을 보여줍니다. 이 연구는 개인정보보호, 규정 준수 및 성능 간의 균형을 맞추어 실제 의료 환경에서 FL을 실행 가능한 솔루션으로 만드는 데 기여합니다.
