跨医院放射学数据共享的效用保持去标识化流水线
计算机视觉与模式识别
2026-04-09 v1
摘要
大规模放射学数据对于开发鲁棒的医学AI系统至关重要。然而，跨医院共享此类数据仍受到隐私问题的严重制约。放射学领域现有的去标识化研究主要聚焦于移除可识别信息以实现合规数据发布，但去标识化后的放射学数据是否仍能为大规模视觉-语言模型训练和跨医院迁移保留足够的效用，目前尚未得到充分探索。在本文中，我们提出了一种效用保持的去标识化流水线（UPDP），用于跨医院放射学数据共享。具体而言，我们编制了隐私敏感词黑名单和病理相关词白名单。对于放射学图像，我们采用一种生成式过滤机制，生成原始图像的隐私过滤且病理保留的对应图像。这些合成图像对应物连同身份过滤后的报告，可以安全地在医院之间共享，用于下游模型开发和评估。在公开胸部X光基准测试上的实验表明，我们的方法能有效移除隐私敏感信息，同时保留诊断相关的病理线索。基于去标识化数据训练的模型与基于原始数据训练的模型相比保持了具有竞争力的诊断准确性，同时在身份相关准确性上表现出显著下降，确认了有效的隐私保护。在跨医院设置中，我们进一步表明去标识化数据可以与本地数据结合以获得更好的性能。
引用
@article{arxiv.2604.07128,
title = {A Utility-preserving De-identification Pipeline for Cross-hospital Radiology Data Sharing},
author = {Chenhao Liu and Zelin Wen and Yan Tong and Junjie Zhu and Xinyu Tian and Yuchi Liu and Ashu Gupta and Syed M. S. Islam and Tom Gedeon and Yue Yao},
journal= {arXiv preprint arXiv:2604.07128},
year = {2026}
}