指南与共识技术与安全CTMRPET

记录健康影像人工智能项目中临床与影像数据去标识化流程

Documenting the de-identification process of clinical and imaging data for AI for health imaging projects.
PubMed 文献 · Insights Imaging · 2024-05-31

本文介绍五个欧盟AI4HI项目(PRIMAGE、CHAIMELEON、ProCAncer-I、INCISIVE、EuCanImage)在构建符合伦理与GDPR的肿瘤影像平台时对影像和临床数据的去标识化方法,比较各项目对DICOM标签的修改与保留策略,并总结可指导未来项目的去标识化经验。

要点

  • 健康影像AI模型需要大量数据,获取大规模影像数据集需经过适当的去标识化流程。
  • 五个AI4HI项目对DICOM标签采取不同修改或保留策略,ProCAncer-I最为保守,修改1333个其他项目保留的标签。
  • 各项目均设有技术委员会和数据保护官,验证剩余标签不能用于重新识别患者。

核心结论

  • 每个项目在标签操作上定义了不同的去标识化方法,但均通过各自技术委员会和数据保护官验证剩余标签不能重新识别患者。
  • 去标识化是促进个人可识别信息使用而不识别或损害个人或群体隐私的一种潜在手段。

研究设计与样本

  • 本文为五个欧盟项目(PRIMAGE、CHAIMELEON、ProCAncer-I、INCISIVE、EuCanImage)在AI4HI倡议下的去标识化方法比较与经验总结,未报告样本量。
  • 所有项目均使用DICOM影像,影像去标识化聚焦于仅保留所需标签并移除含个人信息标签,临床数据多基于eCRF记录且不含个人信息。
  • 日期通过偏移以保留纵向信息或转换以不泄露实际研究日期。

诊断标准与关键数值

  • ModifiedByAllProfiles表包含47个被所有去标识化方法修改的DICOM标签,这些方法认定其可能含个人可识别信息。
  • DifferencesAmongProfiles表包含4568个未被六种方法同等处理的DICOM标签,即至少一个项目对其做出不同决定。
  • ProCAncer-I修改1333个其他项目保持不变的标签;CHAIMELEON、PRIMAGE、INCISIVE和EuCanImage除47个标签外各修改约140–400个DICOM标签。
  • 在默认配置下,仅两个工具提供高成功率:DICOM Library为100%,CTP为98%。

临床应用与阅片要点

  • NEMA维护的DICOM标准或北美放射学会通过其CTP Anonymizer应用提出的去标识化方法,可作为起点来制定适合特定项目的去标识化方法。
  • 可直接识别患者的标签必须通过截断、舍入或移除等去标识化技术处理;与其他标签组合可确定身份的标签也需关注,如邮编与年龄组合、AccessionNumber可能含医院标识并与特定病理结合识别患者。

局限性

  • 关于医疗信息去标识化的技术文献有限,多数文献仅论述医疗和影像数据去标识化的必要性,仅少数具体考虑含个人健康信息的DICOM标签。
  • 所提及文章未评估所选50个DICOM标签与含个人健康信息可能性的适宜性,而是评估工具在这些标签上的性能。
  • 缺乏关于如何对医疗数据进行去标识化的技术文献以及各项目的不同需求,促使继续寻找适当且安全地去标识化临床和影像数据的最佳方法。
  • 对于去标识化数据应归类为匿名信息还是假名化数据,缺乏普遍公认的标准。
全文中译12 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2024 May 31;15:130. doi: 10.1186/s13244-024-01711-x

引言

人工智能(AI)正在彻底改变医学影像领域,有望将医学从以“疾病治疗”为重点转向个性化医疗和预防医学的新时代。在癌症检测、治疗和管理领域,AI为紧迫且未被满足的需求提供了解决方案,不仅提高了患者生存率,还改善了其整体生活质量。全球对AI应用尤其是影像领域应用的兴趣正在飙升,这得益于海量数据集(通常称为“大数据”)的可用性、计算能力的显著进步以及创新深度学习算法的出现。

在这一范式转变中,影像学界既面临机遇也面临挑战。除了开发新的AI方法外,还需要建立统一的命名规范,设计高效的影像数据存储、共享和管理方式[1],以及制定有效且高效的数据去标识化方法以便广泛使用。通过共同解决这些因素,医学领域可以充分释放AI在医学影像中的变革潜力,并推动实现真正个性化和预防性医疗的未来[2]。

在此方向上,五个欧盟项目(PRIMAGE、CHAIMELELON、ProCAncer-I、INCISIVE和EuCanImage)在AI4HI(AI for Health Imaging)倡议下协同工作[1, 3, 4],共享经验和良好实践,以开发大数据基础设施,从而建立符合欧洲伦理和GDPR要求、经过质量控制、与癌症相关的医学影像及其他情境临床数据平台,在其中大规模数据和AI算法将共存。尽管这些项目过去的论文侧重于AI的考量[1]、存储医学影像数据所需的基础设施[3, 5]以及所选用的通用数据模型[4],但从这些项目启动之初就明确认识到,包括图像在内的医学数据属于敏感数据,受GDPR管辖;因此,还缺少一篇专门讨论这一维度的论文。在以任何方式使用所收集的数据之前,需要对数据进行修改以保护患者隐私。为遵守GDPR和其他法规所倡导的法律要求,所有项目都必须理解数据匿名化和假名化的术语含义。这是使用正确法律术语并实施适当技术流程以符合法规的前提条件。

匿名化并非法律定义的术语;然而,可以推断其涉及确保信息匿名的过程。匿名信息是指与已识别或可识别的自然人无关的信息,或经匿名化处理后数据主体无法或不再能被识别的个人数据。为确定自然人是否可识别,应考虑所有合理可能使用的手段,例如控制者或他人通过单独识别的方式直接或间接识别该自然人(GDPR序言第26条)。

假名化是指以如下方式处理个人数据:在不使用额外信息的情况下,个人数据无法再归属于特定数据主体,前提是该额外信息被单独保存,并受到技术性和组织性措施的约束,以确保个人数据不被归属于已识别或可识别的自然人(《通用数据保护条例》(GDPR)第4条第5款)。

除上述术语外,一个相关概念是“数据去标识化”,GDPR并未对其作出法律定义。在文献中,它被用作涵盖匿名化和假名化两者的术语。在最近发布的关于数据去标识化的ISO/IEC 27559:2022标准中,指出“去标识化是促进个人可识别信息使用的一种潜在手段,其方式不会识别或以其他方式损害个人或群体个人的隐私”。在本文中,我们也将在这一含义上使用“去标识化”一词。

在本文中,我们探讨五个AI4HI项目中去标识化的方法,比较和对照它们的方法,并为该领域未来的项目提供有用的指南。关于图像去标识化的相关综述已经存在[6–14],然而,在本文中,我们通过五个欧盟项目的视角呈现影像及相关临床数据的去标识化,提供关于该领域这五个旗舰项目方法的关键见解。

本文其余部分结构如下:在“方法”部分,我们报告五个项目所遵循的方法,而在“结果”部分,我们对照这些项目的方法,提供有价值的见解。“讨论”部分对本文进行总结。

方法

为了记录AI4HI项目临床和影像数据的去标识化过程,我们仔细审查了五个项目中每一个所遵循的去标识化过程,记录所遵循的流程并报告关键步骤。所有项目去标识化过程的详细信息报告于附录1,其中我们针对每个项目报告专门用于去标识化影像及相关临床数据的方法,同时记录各项目的挑战和解决方案:

PRIMAGE

该项目提出一个基于云计算的开放平台,以支持两种儿童癌症临床管理中的决策:神经母细胞瘤——幼儿期最常见的实体癌,以及弥漫性内生性桥脑胶质瘤——儿童脑肿瘤相关死亡的主要原因。

CHAIMELEON

CHAIMELEON项目旨在开发一个结构化的健康图像及相关临床和分子数据存储库,涵盖欧洲最常见的癌症:肺癌、乳腺癌、前列腺癌和结直肠癌。它致力于交付并建立一个欧盟范围内可互操作的存储库,其中包含经过质量检查的影像数据,作为开发和测试癌症管理人工智能工具的资源。

ProCAncer-I

ProCAncer-I的愿景是交付一个前列腺癌人工智能平台,拥有全球范围内独一无二的多参数磁共振成像(mpMRI)图像集合,在数据数量、质量和多样性方面均如此。它专注于交付基于三阶段集成建模过程的新型人工智能临床工具,以推进病变特征描述、转移潜能评估和疾病复发的早期检测。

INCISIVE

INCISIVE项目旨在开发一个工具箱,以提高现有癌症成像方法的准确性、特异性和敏感性。其思路是建立一个泛欧洲医学图像存储库,可用于针对多种类型癌症的基于机器学习(ML)的训练。该项目的成果将有助于准确预测肿瘤的扩散、演变和复发,并帮助对患者进行分层。

EuCanImage

由欧盟资助的EuCanImage项目旨在建立一个安全的大规模欧洲癌症成像平台,其功能将推动人工智能在肿瘤学中的应用,从而能够研究尚未满足的临床需求,例如检测小肝脏病变和结直肠癌转移,或评估乳腺肿瘤的分子亚型。

结果

本节收集、整理并比较了部分相关信息,以便读者对各项目如何管理数据去标识化有一个总体了解。首先,我们在表1中对比了不同阶段的去标识化方法,表明根据方法的不同,采用了各种策略对患者ID进行去标识化,通常随后采用特定的命名约定或哈希处理。关于图像,去标识化过程侧重于仅保留所需的标签,并移除包含个人信息的标签。最后,对于临床数据,大多数项目依赖于eCRF,其中记录的临床数据不包含个人信息。对于日期,也对其进行了偏移以保留纵向信息,或对其进行变换以不泄露研究的实际日期。

更具体地关于成像数据,我们提出了另一项针对成像数据的比较,因为所有项目均使用DICOM图像。与临床数据相比,DICOM元数据非常同质,因为它们以标签形式结构化,这便于其比较。尽管如此,由于每个项目以不同方式描述信息,整理和统一所有信息仍是一项细致的工作。图1展示了该过程的示意图:从每个项目提供的信息(第1级)到包含前述比较的最终表格(第5级)。如“方法”部分所述,CHAIMELEON项目中的成像数据根据这些图像是否伴随其eCRF(结构化临床数据)以两种不同方式进行去标识化,因此两者从第1级起分别处理。

下文将讨论图1的第5级。在该级别,对不同DICOM标签执行的操作已归纳为修改或保留。修改操作涵盖多种技术,如哈希处理、日期修改或假名替换。保留操作归属于那些信息未被更改的标签。

ModifiedByAllProfiles表(附录2中的表S1)包含已被所有这些去标识化方法修改的47个DICOM标签。这六种去标识化方法已检测到它们可能包含个人可识别信息。

DifferencesAmongProfiles表包含4568个DICOM标签,这六种方法对这些标签的处理并不相同,换言之,至少有一个项目对这些标签做出了不同的决定。表2总结了DifferencesAmongProfiles表中的一些数据,可以得出一些结论。ProCAncer-I方法是最保守的一种,因为它修改了1333个其他项目保持不变的标签。此外,CHAIMELEON、PRIMAGE、INCISIVE和EuCanImage项目除了ModifiedByAllProfiles表中的47个标签(附录2中的表S1)之外,大约修改了140–400个DICOM标签。

诸如维护DICOM标准的NEMA,或北美放射学会通过其CTP Anonymizer应用程序等协会,提出了不同的DICOM图像去标识化方法。这些去标识化配置文件可以作为起点,用于塑造更适合特定项目的去标识化方法。一方面,有些标签可用于直接识别患者。这些标签在所有情况下都必须通过截断、取整或去除等去标识化技术进行处理。另一方面,有些标签本身不能但与其他标签结合后可用于确定受试者的身份。例如,通过结合邮政编码和年龄的信息可以识别一个人。此外,AccessionNumber标签可能包含医院标识符,该标识符与特定病理结合后可能识别患者。每个项目就标签所采取的操作定义了不同的去标识化方法。尽管各项目在目标和方法上存在异质性,但每个项目都有自己的技术委员会和数据保护官,他们已验证剩余标签不能用于重新识别患者,并持续审查和支持这些方面的工作。

表1 各AI4HI项目的去标识化方法 查看原表 ↗
图1 AI4HI项目中使用的影像数据 查看原图 ↗
表2 各AI4HI项目在DifferencesAmongProfiles表中的修改情况 查看原表 ↗

法律方面

正如在将健康数据和遗传数据用于科学研究目的的语境中经常讨论的那样,对于去标识化数据应被定性为匿名化信息(即非个人数据)还是假名化数据(即个人数据),缺乏普遍公认的标准。除本文概述的技术挑战外,目前还有一场持续的学术讨论,聚焦于个人数据定义中关键要素(即“合理可能被用于识别自然人的方式”这一表述)的解释,欧盟数据保护机构和法院在该问题上相互冲突的观点进一步推动了这一讨论。2023年4月23日普通法院最近的判决(案件T 557/20)体现了在匿名数据和假名数据概念上缺乏共识,在该案中,法院从数据接收方的立场以及该接收方可获得的信息来评估数据的地位。此外,欧洲数据保护委员会(一个根据GDPR提供GDPR解释指南的行政机构)未发布关于GDPR下匿名化的指南,而此前根据95/46/EU数据保护指令发布的指南被批评为过于严格。

在此背景下,技术的进步和可用计算资源的增加引发了新的担忧,即与更广泛群体共享任何医疗数据时的隐私风险。如果最初被视为“匿名”的去标识化医疗数据在缺乏适当控制和限制的情况下被共享,这可能导致有动机的攻击者对其重新识别的风险。有鉴于此,共享医疗数据的法律框架必须设计为保护所有贡献的数据,即使在数据提交期间被视为“匿名”。该过程需要考虑所共享医疗信息的敏感性以及将数据与患者关联的可能性(例如,利用未来技术)。每个项目都接受了这些挑战,并将其转化为可操作的协议、流程和政策。

我们将展示来自其中两个项目的两个指示性场景,说明这些问题是如何被解决的。

在EuCanImage中,团队与每个临床站点(数据控制者)合作,根据集中式图像分析模型的“基于数据提供者决定和指示的数据处理与共享”场景,建立必要的数据传输协议和其他法律协议。数据处理和子数据处理协议已在数据控制者与CMRAD之间、以及CMRAD与Euro-BioImaging之间订立。此外,每个临床站点已与Euro-BioImaging和European Genome Archive签署了数据处理协议,用于存储研究数据,该协议规定了处理与共享其所控制数据的指示。为使得研究数据能够被使用,所有临床站点还根据对项目用例的参与、数据的预期用途以及数据处理的双边协议,分别与每个AI开发者签署了数据处理协议(DPAs)。法律WP1与临床工作组之间的讨论使得能够识别与数据去标识化和GDPR合规相关的两个主要对立要求。由于该项目处理的是在标准诊疗程序期间收集的回顾性数据,且事件已最终确定,因此最方便的做法是将所有研究数据完全匿名化并置于GDPR法规之外。然而,健康信息具有高度特异性和敏感性。一些人可能认为,去标识化的DICOM文件仍包含大量个人或其他敏感信息,结合补充临床信息和使用复杂的生物信息学工具,可能允许重新识别。在这种情况下,GDPR的“数据主体的隐私权”部分规定了数据控制者和处理者的要求。其中之一是GDPR第17条的“擦除权(‘被遗忘权’)”。由于项目ID生成的多步骤程序涉及多个参与者,每个参与者仅持有来自单个步骤的加密信息,这是一个单向程序,允许临床站点在此类请求被处理时擦除个体病例数据。然而,该权利不能对已用于训练算法的数据执行。

另一方面,在INCISIVE项目中,临床合作伙伴使用所述的“去标识化”工具,谨慎地最小化了所贡献的数据集,移除了直接识别信息,并定义了间接身份标识。得出的结论是,INCISIVE中所使用工具的最恰当术语是“去标识化工具”。这些工具协助控制者移除或更改医疗数据集中的某些标识符。然而,控制者还需要基于与患者再识别可能性相关的所有情况(例如,这些情况也可能涉及获取有关患者的其他信息来源)来评估数据是匿名的还是假名化的。得出的结论是,“匿名化工具”一词可能被感知为向控制者虚假保证数据一旦通过该工具将始终变为匿名。因此,尽管上述流程严格,在项目过程中,大多数数据集被谨慎地视为“假名化”而非“完全匿名化”。这也为合作伙伴在需要时向患者记录添加新数据或更正数据提供了途径。该项目在项目过程中适用了GDPR中提供的个人数据处理规则。相应地,合作伙伴签订了联合控制者协议和处理协议,这些协议维护了GDPR标准。特别是,对于在限定受益群体(即INCISIVE数据提供者和数据使用者)之间共享数据,受明确的行动实施目的约束并使用限定的处理手段,联合控制安排似乎最为合适。在INCISIVE的经验中,该协议模型被证明在提供法律保障方面有效,同时具有足够的灵活性以允许合作伙伴之间必要的数据共享。INCISIVE还制定了未来共享匿名化健康数据的法律框架,该框架将与INCISIVE的可持续性工作以及项目数据在未来中的再利用相关。

讨论

关于医疗信息去标识化的技术文献有限。大多数参考文献仅论述了医学和影像数据中去标识化的需求。然而,其中只有少数文献专门考虑了包含个人健康信息的DICOM标签[15]。在以下列表中,该论文中选出了50个属性,因为它们具有通过单独或与其他属性组合向第三方提供数据而导致安全漏洞的潜在能力。十种去标识化工具在这些标签上的性能比较得出了一些结论:在不同工具的默认配置中,只有两种工具提供了高成功率:DICOM Library为100%,CTP为98%。其余工具在应用程序定制后达到了良好的成功率。

上述文章并未评估所选的50个DICOM标签在是否可能包含个人健康信息方面的适宜性,而是评估这些工具在处理这些标签时的性能。选择这些DICOM标签是因为它们所包含的数据可单独或与其他标签结合用于重建患者身份,尽管尚未评估这些标签如何被用于重新识别患者。缺乏关于如何对医学数据进行去标识化的技术文献以及各项目的不同需求,促使我们继续努力寻找适当且安全地对临床和影像数据进行去标识化的最佳方法[16–19]。

结论

在医疗影像领域开发基于人工智能的应用依赖于可获得经过良好整理和标注的大型数据集。这凸显了以高效方式存储和共享数据并遵循允许数据可重复使用的伦理和法律法规的必要性。

在本文中,我们探索并分析了AI4HI项目(Primage、Chaimeleon、ProCancer-I、Incisive、EuCanImage)的数据去标识化方法。在这些项目的范围内,已对数据匿名化和假名化的最佳实践进行了深入研究。总体而言,每个项目在对标签所采取的操作方面定义了不同的去标识化方法。尽管各项目在目标和方法上存在异质性,但每个项目都有自己的技术委员会和数据保护官,他们已验证剩余标签不能用于重新识别患者,并持续审查和支持这些方面

为追求增强协作、标准化、互操作性以及数据共享中的信任,AI4HI倡议提出了一个新项目:EUCAIM(欧洲癌症影像联盟)。这一集体努力旨在放大五个AI4HI项目的影响力,并将癌症影像中的人工智能推向新高度。EUCAIM项目将以联邦方式链接资源和数据库,促进各项目数据的可重复使用,并赋能纳入新的额外数据集。它为影像界提供了一个非凡的机会,使其能够拥有欧盟最大的癌症相关影像存储库。另一方面,它 also 面临着在实现这一目标的同时维持安全且保护隐私的基础设施这一重要挑战。

补充信息

电子补充材料

引用

  1. Kondylakis H, Catalan R, Alabart SM, et al. Documenting the de-identification process of clinical and imaging data for AI for health imaging projects. Insights Imaging. 2024. PMID: 38816658. doi:10.1186/s13244-024-01711-x
  2. 全文:PMC11139818(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11139818/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。