本研究では、VitalDB公開データから得た動脈圧・心電図などの医療時系列信号を用いて、低血圧発生状況を予測するとともに予測結果の信頼性を評価する。これらのデータは施設ごとに分散し、非i.i.d.である状況を想定して、プライバシーを保つ連合学習にベイズ的手法を組み合わせたベイズ連合学習モデルを構築する。深層学習による分類性能とECEなどの信頼性指標を同時に最適化し、従来のFedAvgと比較してベイズ連合学習が不確実性推定と過信抑制の点で有意に優れることを定量的に示す。