Per planificar una radioteràpia, els metges necessiten sovint una tomografia computada (TAC), encara que el pacient ja tingui una ressonància magnètica o una tomografia de feix cònic feta a la mateixa màquina de tractament. Cada TAC de més és una dosi addicional de radiació. Els models d'IA que generen un TAC «sintètic» a partir d'aquestes altres imatges ho podrien evitar, però per entrenar-los bé calen dades de molts hospitals, i les imatges mèdiques són dades personals sensibles que els centres no poden compartir lliurement.
El grup de recerca de la professora Maria Francesca Spadea, de l'Institut de Tecnologia de Karlsruhe (KIT), i l'investigador Ciro Benito Raggio han provat una solució: l'aprenentatge federat. Cada hospital entrena el model amb les seves pròpies imatges i només comparteix les actualitzacions del model, no les dades dels pacients. Els resultats, publicats en quatre articles a «Computers in Biology and Medicine», «Frontiers in Digital Health», «Journal of Medical Systems» i «Sustainable Computing: Informatics and Systems», mostren que el mètode funciona entre diversos hospitals per generar TAC sintètics del cap i del coll.
L'equip no s'ha quedat en la viabilitat tècnica. També ha comprovat si algú podria reconstruir imatges de pacients a partir del model ja entrenat, un risc conegut d'aquesta tècnica, i diu que s'hi pot posar remei amb adaptacions relativament petites. I ha mesurat el cost energètic: amb diverses optimitzacions de l'entrenament, el temps de càlcul i les emissions de CO₂ baixen entre un 9% i un 23%, segons l'arquitectura del model, sense que la qualitat de les imatges sintètiques empitjori.
Els mateixos investigadors ho presenten com un pas cap a l'ús clínic, no com una eina a punt. La nota de divulgació no detalla quants hospitals hi han participat ni amb quantes imatges, i per saber-ne les mètriques de qualitat cal anar als articles originals. Tampoc no hi ha cap validació clínica amb pacients ni cap autorització reguladora: abans que un TAC sintètic substitueixi un TAC real en la planificació d'un tractament, caldran assajos que demostrin que la dosi calculada és igual de precisa.