AI数字医疗时代已来，保护患者数据隐私有哪些关键技术？

数字医学正在开辟全新的可能性。例如，它可以在早期检测出肿瘤。但是，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。

为了最大限度地利用数据库，通常通过向正在接受算法培训的诊所发送数据库副本，在诊所之间共享患者数据。出于数据保护的目的，该材料通常经过匿名化和假名化过程，这个过程也招致批评。

基于 AI 的深度学习算法

为了解决这个问题，TUM的一个跨学科团队与伦敦帝国学院的研究人员和非营利的机构合作，开发了基于 AI 的放射性图像数据诊断流程的独特组合，以保护数据隐私。该团队现已提出一个成功的应用：一种深度学习算法，对儿童 X 光片中的肺炎情况进行分类。

"我们已经对专业放射科医生测试了我们的模型。在某些情况下，这些模型在诊断儿童各类肺炎方面表现出更好的准确性。"TUM 放射学系主任马库斯·马科夫斯基教授说。

数据仍留在现场

"为了保证患者数据的安全，它不应该离开收集数据的诊所，"项目负责人、TUM医学信息学、统计学和流行病学研究所的第一作者乔治·凯西斯说。

"对于我们的算法，我们使用联合学习，其中共享深度学习算法，而不是数据。我们的模型在各医院使用本地数据进行了培训，然后返回给我们。因此，数据所有者不必共享数据并保持完全控制，"第一作者、放射学研究所研究员亚历山大·齐勒说。

数据无法追溯到个人

为了防止识别接受过算法培训的机构，该团队应用了另一种技术：安全聚合。Kaissis 说："我们以加密形式将算法组合在一起，只有在它们与所有参与机构的数据一起接受培训后才能解密。为了确保"差异隐私"——即防止个别患者数据从数据记录中过滤出来——研究人员在训练算法时使用了第三种技术。

"最终，统计相关性可以从数据记录中提取，但不能从个人的贡献中提取，"Kaissis 说。

隐私保护人工智能方法

"我们的方法已经应用于其他研究，"鲁克特说。"但我们还没有看到使用真实临床数据进行大规模研究。通过有针对性地开发技术以及信息学和放射学专家之间的合作，我们成功地培训了模型，这些模型在满足数据保护和隐私的高标准的同时提供精确的结果。

诊断和介入放射学副司长里克默·布拉伦指出："人们经常声称，数据保护和数据利用必须始终处于冲突之中。但是，我们现在证明，这不一定是真的。科学家们补充说，他们的方法可以应用于其他医疗数据，而不仅仅是X射线。例如语音和文本。

数据保护为数字医学开辟了巨大的潜力

最新数据保护程序的结合也将促进各机构之间的合作。Braren说，他们保护隐私的人工智能方法可以克服伦理、法律和政治障碍，从而为人工智能的广泛使用铺平道路。这对研究罕见疾病非常重要。

科学家们相信，他们的技术，通过保护病人的私人领域，可以为数字医学的进步作出重要贡献。为了培养良好的人工智能算法，我们需要良好的数据，"凯西斯说。"我们只能通过适当保护患者隐私来获取这些数据，"Rueckert 补充道。这表明，有了数据保护，我们可以为进步知识做比许多人想象的更多。