Privacy Preserving Disease Prediction Across Multiple Hospitals Using CKKS Based Homomorphic Federated Learning

في عالم الطب الحديث، تعتمد قدرة الطبيب على التنبؤ بالصحة المستقبلية للمريض غالباً على اتساع نطاق البيانات التي يمكنه رؤيتها. وتتحول خوارزميات تعلم الآلة، وهي البرامج الحاسوبية التي تتعلم من الأنماط، إلى أدوات قوية لرصد المخاطر مثل إعادة دخول المستشفى أو تطور الأمراض. ومع ذلك، فإن هذه الأدوات لا تكون جيدة إلا بقدر جودة المعلومات التي تُغذى بها. وتكمن المشكلة في أن هذه المعلومات — وهي السجلات الصحية الإلكترونية التي تحتوي على تفاصيل حساسة عن المرضى — مبعثرة عبر آلاف المستشفيات، ومحجوبة بموجب قوانًن خصوصية صارمة وقواعد مؤسسية. فلا يمكن للمستشات ببساطة مشاركة ملفات مرضاها الخام مع سلطة مركزية لبناء نموذج أفضل دون انتهاك ثقة المرضى واللوائح القانونية.

ولحل هذه المعضلة، طور الباحثون طريقة تسمى "التعلم الاتحادي" (Federated Learning). تخيل مجموعة من الطهاة الذين يمتلك كل منهم وصفة عائلية سرية. وبدلاً من إرسال وصفاتهم إلى مطبخ مركزي حيث قد تُسرق أو تُنسخ، يتفقون على طهي أطباقهم محلياً وإرسال "المذاق" النهائي فقط إلى حكم مركزي. يقوم الحكم بدمج هذه المذاقات لإنشاء وصفة رئيسية، والتي تُرسل بعد ذلك إلى الطهاه لتجربتهم التالية. في هذه النسخة الرقمية، تمثل "الوصفات" البيانات، ويمثل "الطهاة" المستشفيات، ويمثل "المذاق" التحديث الرياضي لنموذج الحاسوب. إن بيانات المرضى الخام لا تغادر المستشفى أبداً. ومع ذلك، حتى هذه الطريقة بها عيب: فـ "المذاق" المرسل يمكنه أحياناً الكشف عن الكثير من المكونات المحددة المستخدمة، مما يسمح لمراقب فضولي بتخمين ما إذا كان مريض معين قد كان ضمن مجموعة التدريب. ولإصلاح ذلك، يستكشف العلماء الآن تقنية تسمى "التشفير المتماثل" (Homomorphic Encryption)، والتي تسمح بإجراء الحسابات على بيانات تظل مغلقة داخل خزنة رقمية، مما يضمن أن الشخص الذي يقوم بعملية الدمج لا يمكنه رؤية الأرقام الخام.

قام فريق من الباحثين في مدرسة MIT للهندسة في بونا، الهند، باختبار هذا المفهوم مؤخراً في بيئة محاكية مصممة لمحاكاة شبكة مكونة من عشرة مستشفيات. كان هدفهم هو معرفة ما إذا كان بإمكانهم بناء نموذج تعلم آلة للتنبؤ بما إذا كان مريض مصاب بمرض السكري سيُعاد إدخاله إلى المستشفى في غضون ثلاثين يوماً، كل ذلك مع إبقاء بيانات المريض مخفية تماماً وتشفير تحديثات النموذج. وقد استخدموا نوعاً معيناً من الأقفال الرقمية يُعرف باسم CKKS، والذي يسمح بالحسابات التقريبية على الأرقام المشفرة، وهو أمر ضروري لأن البيانات الطبية غالباً ما تتضمن أرقاماً عشرية وكسوراً بدلاً من مجرد أعداد صحيحة.

أعد الباحثون تجربة افتراضية باستخدام مجموعة بيانات عامة تحتوي على سجلات من 130 مستشفى حقيقياً، وقسموها إلى عشر قطع منفصلة لتمثيل عشر مؤسسات مختلفة. قام كل مستشفى افتراضي بتدريب نسخته الخاصة من نموذج التنبؤ على بياناته المحلية. في سيناريو قياسي غير مشفر، كانت هذه المستشفيات سترسل تحديثات نماذجها مباشرة إلى خادم مركزي. ولكن في هذه التجربة الجديدة، قامت المستشفيات أولاً بقفل تحديثاتها داخل خزنة رقمية باستخدام طريقة CKKS. استلم الخادم المركزي، الذي يعمل كمنسق "صادق ولكن فضولي"، هذه الحزم المغلقة. وقام بإجراء العمليات الحسابية لمتوسطها دون فتح الحزم الفردية أبداً. وفقط بعد اكتمال عملية المتوسط، تم إرسال النتيجة النهائية إلى طرف موثوق لفتحها واستخدامها لتحديث النموذج العالمي.

كشفت نتائج هذه التجربة عن مقايضة واضحة وصعبة بين الخصوصية والأداء. فعندما قام الباحثون بتشغيل المهمة نفسها بدون تشفير، كان النظام فعالاً للغاية، حيث حدد مخاطر إعادة الإدخال بدقة عالية. تعلم النموذج بسرعة وأنتج تنبؤات موثوقة. ومع ذلك، في هذه الحالة غير المشفرة، كان النظام عرضة للخطر؛ إذ يمكن للمهاجم النظر إلى التحديثات وتخمين ما إذا كانت بيانات مريض معين قد كانت جزءاً من التدريب بنجاح، مما يكسر وعد الخصوصية.

وعندما قام الباحثون بتفعيل التشفير، عملت حماية الخصوصية تماماً كما هو مخطط لها بالنسبة لمسار الهجوم المحدد الذي تمت دراسته. فقد قلل النظام من قدرة المهاجم على تخمين ما إذا كانت بيانات المريض موجودة في مجموعة التدريب إلى مستوى الصدفة العشوائية، محققاً نسبة نجاح بلغت خمسين بالمائة بالضبط، وهي نفس نسبة رمي العملة المعدنية. وتتسق هذه النتيجة مع الحماية التي يوفرها البروتوكول الذي تم تقييمه ضد خادم "صادق ولكن فضولي"، رغم أنها ليست ضماناً للحصانة ضد جميع هجمات الخصوصية أو جميع الظروف المعادية. ظلت بيانات المستشفى خاصة حقاً، ولم يرَ الخادم المركزي سوى أرقçم مغلقة.

ومع ذلك، جاءت هذه الخصوصية بتكلفة باهظة. فقد كان النظام المشفر أبطأ بكثير وتطلب إرسال كمية أكبر بكثير من البيانات عبر الشبكة. فقد نمت أحجام حزم البيانات المرسلة من كل مستشفى بعامل قدره أربعة وعشرون ضعفاً، مما يعني أن حركة مرور البيانات قفزت من حوالي 3 ميجابايت إلى ما يقرب من 38 ميجابايت لكل جولة تدريب. علاوة على ذلك، انخفضت القدرة التنبؤية للنموذج بشكل ملحوظ. فبينما حقق النموذج غير المشفر درجة عالية في تحديد حالات إعادة الإدخال بشكل صحيح، عانى النسخة المشفرة، حيث انخفضت قدرتها على التمييز بين المرضى الذين سيعودون والذين لن يعودوا إلى مستوى، رغم أنه أفضل من التخمين العشوائي، إلا أنه أقل فائدة لاتخاذ القرارات السريرية. كما استغرق النموذج وقتاً أطول للاستقرار، حيث أظهر سلوكاً أكثر اضطراباً أثناء محاولته التعلم من البيانات المغلقة.

تخلص الدراسة إلى أنه بينما من الممكن تقنياً بناء نظام يحافظ على الخصوصية للتنبؤ بالأمراض عبر مستشفيات متعددة باستخدام هذه الطريقة، إلا أنه ليس حلاً مثالياً بعد. لقد نجحت التكنولوجيا في إيقاف تسريبات الخصوصية المحددة التي اختبرها الب la ب، لكنها فعلت ذلك بجعل النظام أثقل وأقل دقة. ووجد الباحثون أنه بالنسبة لهذا الإعداد المحدد، فإن الخسارة في جودة التنبؤ والزيادة الهائلة في متطلبات نقل البيانات هي عقبات كبيرة. ويقترحون أنه لكي يكون هذا النهج مفيداً في العالم الحقيقي، يجب أن يركز العمل المستقبلي على تقليل حجم البيانات المشفرة وتحسين قدرة النموذج على التعلم بفعالية رغم الأقفال الرقمية. وحتى ذلك الحين، يظل الاختيار بين نموذج عالي الدقة يخاطر بالخصوصية ونموذج يحافظ على الخصوصية تماماً ولكنه أقل دقة، توازناً صعباً يتعين على المؤسسات الصحية محاولة تحقيقه.