联合学习（FL）是一个分布式机器学习框架，鉴于增加了健康数据隐私保护需求，它正在获得吸引力。通过对Healthcare的FL申请进行系统审查，我们确定了截至2023年8月31日，英语的科学，工程和医学期刊的相关文章。在最终分析中，总共有22,693篇文章中，有612篇文章包括612篇文章。大多数文章是概念验证研究，只有5.2％是使用FL的现实生活的研究。放射学和内科是FL涉及的最常见的专业。fl对各种机器学习模型和数据类型都是可靠的，神经网络和医学成像分别是最合并的。我们强调需要解决临床翻译的障碍，并在这个新的数字数据驱动的医疗保健领域评估其现实世界的影响。