Core Concepts
병리조직 이미지에서 환자를 재식별할 수 있는 것으로 나타났으며, 이는 환자 프라이버시에 대한 우려를 야기한다.
Abstract
이 연구는 병리조직 이미지를 이용한 환자 재식별 가능성을 조사했다. 두 가지 실험을 수행했다:
실험 1:
폐 선암종(LUAD), 폐 편평세포암종(LSCC), 수막종(MEN) 데이터셋을 사용하여 환자 재식별 성능을 평가했다.
패치 기반 모델과 다중 인스턴스 학습(MIL) 모델을 비교했다.
MEN 데이터셋에서 가장 높은 재식별 성능을 보였다(recall@1 65.25%).
공개 데이터셋인 LUAD와 LSCC에서도 비교적 높은 성능을 보였다.
실험 2:
MEN 데이터셋에서 환자의 첫 번째 수술 검체로 모델을 학습하고, 이후 수술 검체로 테스트했다.
실험 1에 비해 성능이 크게 떨어졌지만, 여전히 우연한 수준보다 높은 재식별 성능을 보였다.
추가 분석을 통해 정확하게 분류된 샘플이 잘못 분류된 샘플에 비해 학습된 특징 공간에서 더 가까운 거리에 있음을 확인했다. 이는 모델이 의미 있는 특징을 학습했음을 시사한다.
이 연구 결과는 병리조직 이미지 공개 시 환자 프라이버시 보호를 위한 위험 평가 체계를 제안했다.
Stats
폐 선암종(LUAD) 데이터셋에서 패치 기반 모델과 MIL 모델의 recall@1이 각각 53.61%와 53.18%였다.
폐 편평세포암종(LSCC) 데이터셋에서 패치 기반 모델과 MIL 모델의 recall@1이 각각 55.06%와 56.31%였다.
수막종(MEN) 데이터셋에서 패치 기반 모델의 recall@1은 65.25%, MIL 모델의 recall@1은 61.13%였다.