语音匿名化对病理语音的影响及其局限性

将语音整合到医疗保健中加剧了隐私担忧，因为语音作为一种非侵入性生物标志物包含了个人的生物特征信息。作为应对，说话人匿名化旨在隐藏个人可识别信息的同时保留关键的语言学内容。然而，将匿名化技术应用于病理语音这一隐私尤为重要的关键领域，尚未得到广泛检验。本研究调查了匿名化对来自多个德国机构的 2,700 多名说话人的病理语音的影响，重点关注隐私、病理效用和人口统计学公平性。我们探索了基于深度学习和基于信号处理的匿名化方法。我们记录了跨各种障碍的显著隐私改善——表现为等错误率最高增加 1933%，而对整体效用的影响极小。构音障碍、发声障碍以及唇腭裂等特定障碍的效用变化极小，而构语障碍则表现出轻微的改善。我们的发现强调，匿名化的影响在不同障碍间存在显著差异。这需要针对特定障碍的匿名化策略，以最佳方式平衡隐私与诊断效用。此外，我们的公平性分析揭示了在大多数人口统计学群体中匿名化效果的一致性。本研究证明了匿名化在增强病理语音隐私方面的有效性，同时也强调了采用定制化和针对特定障碍的方法以应对逆向攻击的重要性。