ハンタウイルスはげっ歯類を介して伝播する病原体であり、重篤な呼吸器疾患を引き起こす可能性があります。そのゲノム監視は、効果的な流行予防と制御に不可欠です。しかし、従来のゲノム監視は、データの分散、ソースの不均一性、専門家によるレビュー能力の制約などの課題に直面しています。これらの問題を解決するために、研究者らは2026年6月25日にarXivに提出された論文（識別番号：2607.16234）において、HantaWatchフレームワークを提案しました。これは、連合学習に基づく意思決定支援システムであり、生の配列データを共有することなく、複数のラボや監視サイトが協調してモデルを訓練することを可能にします。
HantaWatchは複数の主要技術を統合しています。まず、k-mer特徴抽出法を用いてゲノム配列を機械学習モデルで処理可能な数値特徴に変換します。次に、ソース認識型の連合クライアント構築戦略により、異なるデータソースの不均一性を適切に処理します。モデル更新の不安定性を防ぐために、適応型DU-FedProx最適化アルゴリズムを導入し、モデル性能を維持しながら通信オーバーヘッドを低減します。さらに、HantaWatchは監視タスクに特化したモデル選択機構を設計し、予測のみのトリアージプロセスを採用して、モデル出力をリスクスコア、信頼度推定、不確実性フラグ、専門家レビューの優先順位リストに変換します。
実験評価では、HantaWatchは二値分類および多値分類タスクの両方で優れた性能を示しました。高リスクスクリーニング、流行関連予測、ウイルスクレード分類、臨床症候群分類など、複数のタスクをサポートし、予測性能、偽陰性リスク、更新安定性の間で良好なバランスを達成しました。このフレームワークはShanika Iroshi NanayakkaraとShiva Raj Pokhrelによって開発され、機械学習（cs.LG）および人工知能（cs.AI）の分野に属します。このフレームワークは実験室での検出や公衆衛生の解釈を置き換えるものではなく、専門家が高リスクサンプルを効率的に優先処理するための補助的意思決定支援を提供します。この研究は、分散型ハンタウイルスゲノム監視のための実用的な連合学習ソリューションを提供し、将来のグローバル公衆衛生対応の向上に貢献する可能性があります。