韩国研究人员展示保护隐私的医学影像AI

Korean researchers demonstrate privacy-protecting AI for medical imaging | Mobi Health News

核心内容

由韩国最大医院首尔峨山医院(AMC)领导的研究团队，开发出一种基于深度学习的肾脏疾病诊断模型。该模型通过同态加密技术处理肾脏CT影像，实现隐私保护下的医疗图像分析。同态加密作为后量子密码学的国际标准，允许对完全加密数据进行实时计算与分析而无需解密。

研究团队首先使用12,446张未加密的肾脏CT影像（涵盖正常、囊肿及肿瘤病例）构建基础模型。随后通过将最大值运算替换为平均值和多项式函数，使模型适应加密环境运行，在保障数据安全的同时保持诊断准确性。最终采用本地初创公司CryptoLab开发的丘-金-金-宋(CKKS)加密方案转换CT影像。该方案突破传统同态加密限制，支持对包含小数点的医学深度学习运算所需的实数与复数进行近似操作。研究团队还创新引入多数据集即时计算及关键部分定向计算方法，显著提升运算效率。

研究成果

北美放射学会《放射学：人工智能》期刊发表的研究成果显示，该模型在疾病分类中准确率达97%-99%。首尔峨山医院指出，这证实"即使使用加密患者数据，模型仍能提供与现有未加密模型同等水平的分析结果"。研究发现加密虽使影像体积扩大500倍并增加计算负荷，但借助高性能GPU可在1-2分钟内完成单次分析。该项目获得韩国科技情报通信部、韩国国家研究基金会及国家IT产业振兴院支持。

重要意义

随着医学影像AI在提升诊断精准度与效率方面的潜力日益凸显，数据隐私风险仍是阻碍其广泛应用的关键障碍。首尔峨山医院麻醉疼痛医学科李相旭(Lee Sang-wook)教授认为，该加密模型经优化并配合GPU技术发展后，将成为"个人信息保护型医学影像分析的新标准"。泌尿外科徐俊乔(Seo Jun-kyo)教授亦指出，该技术有望通过最小化法律与伦理争议，在医疗影像分析领域实现广泛应用。

行业趋势

首尔峨山医院去年已证实同态加密技术在医疗AI训练中的实用性。在一项涵盖30余万患者电子病历数据的研究中，研究人员成功将该广泛应用于安全选举的加密方案用于AI模型训练，为患者数据保护提供实证路径。

【全文结束】