CLEO闭环框架用于生成能够保护医疗隐私的表格数据

《npj Digital Medicine》：CLEO closed loop framework for synthesizing medical privacy preserving tabular data

　　

摘要

由于隐私法规和监管要求，患者级别的结构化数据共享受到严格限制，这导致了“数据孤岛”现象，进而阻碍了多中心研究的发展。我们提出了CLEO（清洁-学习-评估-优化）这一闭环框架，它将高斯混合模型生成器与基于Q学习的优化方法相结合，将数据合成视为一个马尔可夫决策过程。在多中心颅内动脉瘤数据集上的实验结果显示，CLEO的综合得分达到0.9232±0.0124，优于其他对比方法，包括TVAE、高斯Copula和CTGAN。在后续的TSTR评估中，使用CLEO生成的数据训练的模型平均AUC值为0.7376，表明这些合成数据仍保留有有用的临床决策信息。不过，宏观F1值也显示，少数类预测仍然会受到类别分布不平衡的影响。实证隐私审计显示，最近邻对抗准确率为0.4940，说明在所采用的最近邻审计设置下，数据重新识别的风险较低。这些研究结果表明，当现实世界的医疗数据无法直接整合时，CLEO提供了一个可控且可通过实证审计的框架，以支持跨机构研究。