在神经成像中评估元数据隐私
Emilie Kibsgaard1, Anita Sue Jwa2, Christopher J Markiewicz2
1Neurobiology Research Unit, Copenhagen University Hospital, Copenhagen, Denmark.
Imaging neuroscience (Cambridge, Mass.)
|February 25, 2026
概括
研究数据共享增强了科学,但危及隐私. 一项研究发现神经成像数据通常受到很好的保护,人口统计学构成主要的隐私风险. 为了更安全的数据共享,建议采取缓解策略.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 生物伦理学生物伦理学
背景情况:
- 分享研究数据对于科学进步至关重要.
- 然而,隐私风险,包括重新识别和潜在的伤害,是令人担忧的.
- 将数据可访问性与参与者隐私平衡是持续的伦理和法律挑战.
研究的目的:
- 评估公开可用的神经成像数据集中的隐私风险.
- 评估隐私指标在识别漏洞方面的有效性.
- 建议采取实际措施,提高共享研究数据的安全性.
主要方法:
- 从OpenNeuro上的异质神经成像研究中审查了元数据.
- 使用metaprivBIDS软件计算隐私指标 (k-匿名性,l-多样性等). ) 的情况.
- 对重新识别风险分析了人口统计和临床分数数据.
主要成果:
- 在数据集中,隐私通常保持良好,但很少出现严重的漏洞.
- 几乎所有数据集都显示了需要缓解的轻微问题.
- 人口统计学变量 (年龄,性别,种族,地点) 带来了比临床评分更高的重新识别风险.
结论:
- 开放的神经成像数据共享在很大程度上是安全的,但并非没有风险.
- 人口数据需要小心处理,以防止重新识别.
- 实施实际的缓解策略可以促进更安全的数据共享实践.
