数字医学正在开辟全新的可能性。例如，它可以在早期发现肿瘤。但新的人工智能算法的有效性取决于用于训练它们的数据的数量和质量。

为了使数据池最大化，通过将数据库副本发送到正在训练算法的诊所，习惯上在诊所之间共享患者数据。出于数据保护的目的，这些材料通常要经过匿名化和假名化处理。在保护患者健康数据方面，这些流程往往被证明是不够的，多伦多工业大学医疗保健和医学人工智能亚历山大·冯·洪堡教授丹尼尔·吕科特(Daniel Rueckert)说。

新的AI技术可以保护隐私 识别小儿X射线图像中的肺炎

PD Rickmer Braren博士（上）和Daniel Rueckert教授（上）探索使用人工智能对医学图像数据进行诊断的可能性。

数据保留在现场

TUM医学信息学，统计学和流行病学研究所的项目负责人和第一作者Georgios Kaissis说，为了确保患者数据的安全，绝不应该离开收集它的诊所。对于我们的算法，我们使用联邦学习，其中深度学习算法是共享的，而不是数据。我们的模型是使用本地数据在各个医院进行训练的，然后返回给我们。因此，数据所有者不必共享他们的数据并保留完全的控制权。放射学研究所的第一作者亚历山大·齐勒（Alexander Ziller）说。

新的AI技术可以保护隐私 识别小儿X射线图像中的肺炎

Daniel Rueckert是TUM的医疗保健和医学人工智能教授。

数据无法追溯到个人

为了防止确定训练过算法的机构，该团队应用了另一种技术：安全聚合。Kaissis说，我们以加密的形式组合了这些算法，只有在对所有参与机构的数据进行了训练之后，才将它们解密。为了确保“差异隐私”（即防止将单个患者数据从数据记录中过滤掉），研究人员在训练算法时使用了第三种技术。Kaissis说，最终，可以从数据记录中提取统计相关性，但不能从个人的贡献中提取统计相关性。

新的AI技术可以保护隐私 识别小儿X射线图像中的肺炎

Marcus Makowski是TUM放射学教授。

首次结合使用隐私保护方法

Daniel Rueckert说，我们的方法已用于其他研究中。但是，我们还没有看到使用真实临床数据进行大规模研究。通过有针对性的技术开发以及信息学和放射学专家之间的合作，我们已经成功地训练了在提供精确结果的同时满足数据保护和高标准的模型。

诊断和介入放射学系副主任里克默·布雷伦（Rickmer Braren）指出，通常声称数据保护和数据使用必须始终存在冲突。但是我们现在证明这不一定是正确的。科学家补充说，他们的方法可以应用于其他医学数据，而不仅仅是X射线，例如语音和文字。

数据保护为数字医学开辟了巨大潜力

该团队在2020年发表在《自然机器智能》上的一篇论文中表明，最新数据保护流程的结合也将促进机构之间的合作。他们的保护隐私的AI方法可以克服道德，法律和政治障碍。

科学家们坚信，他们的技术通过保护患者的私人领域，可以为数字医学的发展做出重要贡献。Kaissis说，要训练好的AI算法，我们需要好的数据。只有通过适当保护患者的隐私，我们才能获取这些数据。Rueckert补充说，这表明，有了数据保护，我们可以在提升知识方面做很多事情，而不是很多人想像的那样。

原文链接：https://www.xianjichina.com/special/detail_484910.html
来源：贤集网
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。