FLKit의 개발 및 설계: 보건 및 생명 과학 분야의 연합 학습 (Federated Learning)을 위한 구조화된 온보딩 툴킷

연합 학습 (Federated Learning)은 기관들이 데이터를 이동시키지 않고도 공유 모델을 학습할 수 있게 해주며, 이는 엄격한 개인정보 보호 규정 하에 있는 보건 및 생명 과학 연구에 자연스럽게 부합합니다. 관련 방법론들은 빠르게 성숙하고 있지만, 현재 실질적인 장벽은 더 이른 단계에서 나타납니다. 연합 프로젝트를 시작하는 팀은 흩어져 있는 다양한 프레임워크, 거버넌스 (Governance) 의무, 그리고 생소한 역할들을 마주하게 되며, 자신의 배경에 맞는 구조화된 시작 지점이 없습니다. FLKit은 그 간극을 메워줍니다. 이는 다학제적 팀을 연합 학습 (Federated Learning)의 전체 생애주기(lifecycle)로 안내하고, 임상, 법률, 거버넌스 또는 기술 분야의 모든 기여자가 네 가지 분야 모두에 능숙하다고 가정하는 대신 각자의 역할에 맞는 진입점을 제공하는, 개방형 커뮤니티 유지 관리 온보딩 툴킷입니다. 우리는 이를 ELIXIR 연구 데이터 관리 키트 (Research Data Management Kit)를 모델로 삼아 구축하였으며, 다학제적 핵심 팀, 마일스톤 검토 및 로드맵 방향을 제공하는 광범위한 컨소시엄, 그리고 콘텐츠를 실제 실무에 기반하도록 유지하기 위해 인터뷰를 진행한 외부 전문가들과 함께 만들었습니다. FLKit은 거버넌스 (Governance), 인프라 (Infrastructure), 데이터 정제 (Wrangling), 분석 (Analysis)이라는 네 가지 생애주기 단계 위에 구축되어 있으며, 11개의 역할별 진입점, 학제 간 용어집, 프로젝트 계획 및 문서화를 위한 재사용 가능한 FAIR 준수 FL 스토리 (FL Story) 템플릿, 그리고 도구, 프레임워크 및 커뮤니티의 큐레이션된 디렉토리를 통해 이 단계들을 연결합니다. 2024년 12월 데모 이후, FLKit은 8개 섹션에 걸쳐 39페이지로 성장하였으며, 다발성 경화증 장애 예측, 염증성 장 질환, 유전학 및 뇌-컴퓨터 인터페이스 (Brain-Computer Interfaces) 분야에서 완료되었거나 진행 중인 프로젝트를 기록한 7개의 FL 스토리를 포함하고 있습니다. FLKit은 https://uhasselt-biomedicaldatasciences.github.io/federated-learning-toolkit/ 에서 공개적으로 이용 가능하며, 생명 과학 전반의 기여를 환영합니다.