通过基础模型提取的成像特征重新识别患者
Giacomo Nebbia1, Sourav Kumar1, Stephen Michael McNamara1
1Ophthalmology Department, University of Colorado Anschutz Medical Campus, Aurora, CO, USA.
NPJ digital medicine
|July 22, 2025
概括
医学成像的基础模型存在重新识别的风险. 图像特征可以揭示患者身份和人口统计数据,影响眼科和放射学中的隐私.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 数据 隐私 数据 隐私 数据
背景情况:
- 基础模型越来越多地用于医学成像.
- 潜在的隐私风险,例如患者重新识别,尚未得到充分了解.
研究的目的:
- 评估基础模型中的成像特征是否能够重新识别患者.
- 确定重新识别是否与人口特征预测相关.
主要方法:
- 使用了色底相片 (CFP),光学一致性断层扫描 (OCT) b扫描和胸部X射线.
- 训练有素的深度学习模型来评估重新识别和人口预测性能.
主要成果:
- 报告的患者重新识别率为40.3% (CFP),46.3% (OCT) 和25.9% (X射线).
- 根据重新识别状态,证明了不同的人口预测性能.
- 实现了高图像级重识别性能 (82.3%的CFP,93.9%的OCT,63.7%的X射线).
结论:
- 医学基础模型中的成像特征包含了使患者重新识别的信息.
- 这些发现突出了人工智能驱动的医学成像中的重大隐私问题.


