本研究探讨了协作人工智能在医疗应用中的成本效益，比较了联邦学习（FL）与共识基础学习（CBL）。结果表明，CBL在保持相同准确度的情况下，显著降低了训练时间和通信成本，为协作AI的可持续部署提供了新视角。