Deep Learning-based Patient Re-identification Is able to Exploit the Biometric Nature of Medical Chest X-ray Data

要約

近年、ディープラーニング技術の台頭と可能性がますます高まる中、医療領域における診断アルゴリズムの再現性の高い開発を可能にするために、一般に公開されている医療データセットが重要な要素となりました。医療データには患者関連の機密情報が含まれているため、通常、公開前に患者名などの患者識別子を削除して匿名化します。私たちの知る限り、十分に訓練された深層学習システムが胸部X線データから患者の身元を復元できることを初めて示しました。我々は、30,805人のユニークな患者の112,120枚の正面視胸部X線画像のコレクションである、一般に公開されている大規模なChestX-ray14データセットを使用してこれを実証します。本検証システムは、2枚の胸部X線画像が同一人物のものであるかどうかを、AUC0.9940、分類精度95.55%で識別することが可能です。さらに、提案システムは、最初のスキャンから10年以上経過しても、同一人物であることを明らかにすることができることを強調しています。また、検索アプローチでは、mAP@Rが0.9748、precision@1が0.9963であった。さらに、CheXpertやCOVID-19 Image Data Collectionなどの外部データセットで学習したネットワークを評価したところ、AUCは最大0.9870、精度@1は最大0.9444を達成しました。この高い識別率から、潜在的な攻撃者は患者関連情報を漏洩し、さらに画像を照合してより多くの情報を取得する可能性があります。そのため、機密性の高いコンテンツが不正に入手されたり、当該患者の意思に反して流布されたりする危険性が高い。特にCOVID-19の流行時には、研究を進めるために数多くの胸部X線データセットが公開されました。したがって、このようなデータは、深層学習ベースの再識別アルゴリズムによる潜在的な攻撃に対して脆弱である可能性がある。

要約(オリジナル)

With the rise and ever-increasing potential of deep learning techniques in recent years, publicly available medical datasets became a key factor to enable reproducible development of diagnostic algorithms in the medical domain. Medical data contains sensitive patient-related information and is therefore usually anonymized by removing patient identifiers, e.g., patient names before publication. To the best of our knowledge, we are the first to show that a well-trained deep learning system is able to recover the patient identity from chest X-ray data. We demonstrate this using the publicly available large-scale ChestX-ray14 dataset, a collection of 112,120 frontal-view chest X-ray images from 30,805 unique patients. Our verification system is able to identify whether two frontal chest X-ray images are from the same person with an AUC of 0.9940 and a classification accuracy of 95.55%. We further highlight that the proposed system is able to reveal the same person even ten and more years after the initial scan. When pursuing a retrieval approach, we observe an mAP@R of 0.9748 and a precision@1 of 0.9963. Furthermore, we achieve an AUC of up to 0.9870 and a precision@1 of up to 0.9444 when evaluating our trained networks on external datasets such as CheXpert and the COVID-19 Image Data Collection. Based on this high identification rate, a potential attacker may leak patient-related information and additionally cross-reference images to obtain more information. Thus, there is a great risk of sensitive content falling into unauthorized hands or being disseminated against the will of the concerned patients. Especially during the COVID-19 pandemic, numerous chest X-ray datasets have been published to advance research. Therefore, such data may be vulnerable to potential attacks by deep learning-based re-identification algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL