Cross-Dataset Linkage of Brain MRI using Image Similarity Measures
Diese Studie zeigt, dass enthäutete Gehirn-MRT-Aufnahmen mithilfe einfacher Bildähnlichkeitsmaße zuverlässig über verschiedene Datensätze hinweg re-identifiziert werden können, was ein erhebliches Datenschutzrisiko aufdeckt, das die aktuellen regulatorischen Annahmen zur Datenanonymisierung in Frage stellt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Der unsichtbare Fingerabdruck in Ihrem Gehirnscan
Stellen Sie sich vor, Sie haben ein sehr detailliertes Foto Ihres Gehirns, aber jemand hat das Foto Ihres Gesichts und den Schädel darum herum sorgfältig ausgeschnitten, sodass nur noch das Gehirngewebe selbst übrig bleibt. Sie könnten denken: „Toll! Ohne mein Gesicht oder meinen Schädel kann niemand erkennen, wer ich bin."
Dieser Artikel sagt: Nicht so schnell.
Die Forscher entdeckten, dass selbst nach dem Entfernen von Gesicht und Schädel Ihr Gehirngewebe noch einen einzigartigen „Fingerabdruck" trägt. Genau wie keine zwei Menschen exakt dieselben Fingerabdrücke haben, hat auch kein zweiter Mensch exakt dieselben Muster der Gehirnform und -textur. Die Studie zeigt, dass Sie zwei Gehirnscans derselben Person, die zu unterschiedlichen Zeiten, auf verschiedenen Geräten oder sogar in verschiedenen Krankenhäusern aufgenommen wurden, mit nahezu perfekter Genauigkeit mithilfe einfacher Computermathematik miteinander verknüpfen können.
So haben sie es getan, aufgeschlüsselt in einfache Schritte:
1. Die „Aufräumaktion" (Harmonisierung)
Stellen Sie sich Gehirnscans wie Fotos vor, die mit verschiedenen Kameras aufgenommen wurden. Das eine könnte eine hochwertige DSLR sein, das andere eine Handykamera, und sie könnten bei unterschiedlichem Licht aufgenommen worden sein. Wenn Sie versuchen, sie direkt zu vergleichen, sehen sie zu unterschiedlich aus.
Die Forscher nutzten einen standardisierten „Aufräum"-Prozess (Harmonisierung genannt), um alle Scans so aussehen zu lassen, als wären sie mit derselben Kamera unter denselben Lichtverhältnissen aufgenommen worden. Sie richteten die Position des Gehirns aus und passten Helligkeit und Kontrast an, damit die Bilder auf Augenhöhe waren.
2. Der „Nebeneinander"-Check (Ähnlichkeitsmaße)
Sobald die Bilder bereinigt waren, benötigten sie keine komplexe KI oder Supercomputer, um eine Übereinstimmung zu finden. Sie verwendeten einfache, alltägliche Mathematik-Tools (wie das Messen, wie ähnlich zwei Bilder Pixel für Pixel aussehen).
Stellen Sie sich vor, Sie haben einen Stapel mit 1.000 Fotos. Sie wählen eines aus und fragen: „Welches andere Foto in diesem Stapel zeigt dieselbe Person?" Sie vergleichen das neue Foto mit jedem anderen Foto. Wenn die mathematische Punktzahl hoch genug ist, ist es eine Übereinstimmung. Ist sie niedrig, handelt es sich um eine andere Person.
3. Die „unmögliche" Übereinstimmung
Das Team testete dies unter einigen sehr schwierigen Szenarien, um zu sehen, ob es versagen würde:
- Verschiedene Geräte: Scans, die auf Siemens-, GE- und Philips-Geräten aufgenommen wurden.
- Verschiedene Zeitpunkte: Scans, die Jahre auseinanderliegen.
- Verschiedener Gesundheitszustand: Scans von gesunden Menschen und Scans von Menschen, deren Gehirne sich aufgrund von Alzheimer oder Gedächtnisverlust verändert hatten.
Das Ergebnis: Die Methode funktionierte fast jedes Mal nahezu perfekt. Selbst wenn sich das Gehirn einer Person aufgrund von Demenz verkleinert oder in seiner Form verändert hatte, war der zugrunde liegende „Fingerabdruck" immer noch stark genug, um den alten Scan mit dem neuen zu verknüpfen.
Warum ist das wichtig? (Das Datenschutz-Rätsel)
Derzeit entfernen Forschungshospitäler bei der Weitergabe von Gehirnscans Namen und Gesichter, um die Privatsphäre zu schützen. Sie gehen davon aus, dass die Daten anonym sind, sobald das Gesicht entfernt ist.
Dieser Artikel argumentiert, dass diese Annahme falsch sein könnte. Wenn ein Hacker (oder ein neugieriger Forscher) über Folgendes verfügt:
- Eine Datenbank mit „anonymen" Gehirnscans (mit entfernten Gesichtern).
- Eine weitere Datenbank mit Realwelt-Daten (wie eine Krankenakte oder eine andere Studie), die tatsächlich Namen enthält.
Dann könnte er diesen einfachen Abgleich-Trick nutzen, um den anonymen Gehirnscan wieder mit dem Namen der realen Person zu verknüpfen. Es ist wie das Finden einer versteckten Verbindung zwischen zwei Puzzleteilen, die eigentlich getrennt sein sollten.
Die „rechtliche" Erkenntnis
Die Autoren erklären, dass Daten gemäß Datenschutzgesetzen (wie der DSGVO in Europa) nur dann als „anonym" gelten, wenn es unmöglich ist, die Person mit „vernünftiger Wahrscheinlichkeit" wiederzuerkennen.
Da diese Studie zeigt, dass eine Wiedererkennung mit Standard-Tools, die Open-Source sind (Tools, die jeder kostenlos herunterladen kann), möglich ist, sind Gehirnscans möglicherweise nicht so anonym, wie wir dachten. Der Artikel schlägt vor:
- Wir müssen vorsichtiger damit umgehen, wie wir Gehirndaten teilen.
- Menschen sollten darüber informiert werden, dass ihre Gehirnscans potenziell mit anderen Studien, an denen sie teilgenommen haben, verknüpft werden könnten.
- Wir brauchen bessere Regeln zum Schutz der Menschen, denn der „Fingerabdruck" im Gehirn ist schwerer zu löschen als ein Name auf einer Liste.
Kurz gesagt: Ihr Gehirn hat eine einzigartige Signatur, die auch dann erhalten bleibt, wenn Sie Ihr Gesicht entfernen. Einfache Mathematik kann diese Signatur über verschiedene Krankenhäuser und Jahre hinweg finden, was bedeutet, dass wir überdenken müssen, wie wir den Datenschutz bei Gehirnscans schützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.