Data kesehatan adalah aset sensitif. Federated Learning (FL) memungkinkan kolaborasi riset medis tanpa data pasien meninggalkan rumah sakit. Dalam FL, model AI dikirim ke server masing-masing rumah sakit, dilatih secara lokal dengan data setempat, dan hanya pembaruan modelnya yang dikirim untuk digabungkan di server pusat.
Ini ideal untuk Indonesia dengan sistem kesehatan yang terdistribusi. FL dapat digunakan untuk mengembangkan model AI diagnostik yang lebih akurat untuk penyakit tropis seperti TBC, Demam Berdarah, atau Kanker Serviks, dengan mempelajari pola dari data puluhan rumah sakit di berbagai daerah tanpa melanggar privasi. Model yang dihasilkan akan lebih representatif terhadap keragaman populasi Indonesia.
Implementasinya memerlukan kesepakatan standar dan protokol keamanan yang ketat di antara Kemenkes, rumah sakit pendidikan, dan asosiasi profesi. Departemen Teknik Informatika/Komputer di perguruan tinggi dapat mengembangkan platform FL yang sesuai dengan regulasi perlindungan data pribadi Indonesia, sekaligus membangun kepercayaan antara institusi kesehatan.