人工智能中隐私与进步的平衡：面向生物医学研究与教育的组织病理学匿名化
人工智能
2023-08-09 v2 计算工程、金融与科学
密码学与安全
摘要
生物医学研究的进展高度依赖于对大量医疗数据的获取。就组织病理学而言，全切片图像（WSI）与临床病理信息对于开发数字病理学（DP）的人工智能（AI）算法极具价值。以“尽可能开放”的方式传输医疗数据可增强数据用于二次目的的可用性，但却给患者隐私带来风险。与此同时，现有法规倾向于将医疗数据“在必要范围内封闭”以避免再识别风险。一般而言，这些法律法规要求删除敏感数据，却未考虑现代图像匹配算法导致的数据关联攻击可能性。此外，DP中标准化的缺失使得为所有格式WSI建立单一解决方案更加困难。这些挑战给生物信息学研究人员在开发AI算法时平衡隐私与进步带来了问题。本文探讨了医疗数据共享的法律法规与术语，回顾了现有方法并从组织病理学视角强调了挑战，还提出了一项面向组织学数据的数据共享指南以促进多学科研究与教育。
引用
@article{arxiv.2307.09426,
title = {Balancing Privacy and Progress in Artificial Intelligence: Anonymization in Histopathology for Biomedical Research and Education},
author = {Neel Kanwal and Emiel A. M. Janssen and Kjersti Engan},
journal= {arXiv preprint arXiv:2307.09426},
year = {2023}
}
备注
Accepted to FAIEMA 2023