REAN: Reconstruction-aware ECG Anonymization Based on Privacy--Utility Orthogonality

Resumen Técnico: REAN (Anonimización de ECG consciente de la reconstrucción)

Planteamiento del problema
Las señales de electrocardiograma (ECG) son esenciales para el diagnóstico de afecciones cardíacas, pero funcionan intrínsecamente como huellas biométricas. La morfología de la onda contiene información específica de la persona (identidad, género, edad) que permite la reidentificación del paciente, incluso cuando se eliminan los metadatos. Los métodos de anonimización existentes enfrentan un compromiso fundamental entre privacidad y utilidad: las técnicas que ocultan eficazmente la información biométrica suelen degradar la morfología de la señal necesaria para un diagnóstico preciso de arritmias, mientras que los métodos que preservan la utilidad diagnóstica frecuentemente dejan datos biométricos recuperables. Los enfoques actuales dependen de transformaciones en el espacio de características (que pueden no generar ondas crudas y utilizables) o aplican ruido ciego (lo cual perjudica el diagnóstico).

Metodología
El artículo propone REAN (Anonimizador de ECG consciente de la reconstrucción), un anonimizador de señales de ECG crudas que resuelve el compromiso entre privacidad y utilidad aprovechando las propiedades geométricas del espacio de la señal de ECG.

1. Observación de la ortogonalidad de gradientes:
   El hallazgo teórico central es que las direcciones para maximizar la utilidad diagnóstica y minimizar la filtración de privacidad son casi ortogonales en el espacio de la señal de ECG.

   • Dirección de Utilidad: Definida por el gradiente de entrada de un clasificador de diagnóstico congelado (detección de arritmias).
   • Dirección de Privacidad: Definida por el gradiente de entrada de clasificadores biométricos congelados (identidad, género, edad).
   • Medición: Experimentos con datos de ECG limpios muestran que el ángulo entre estos gradientes promedia aproximadamente 89.8° (coseno ≈ 0.003) a través de varios atributos protegidos y arquitecturas de atacante (ResNet, InceptionTime, CNN-LSTM). Esta ortogonalidad implica que las perturbaciones a lo largo de la dirección de privacidad suprimen la información biométrica con un impacto insignificante en la pérdida diagnóstica.

2. Arquitectura REAN:
   REAN implementa una U-Net 1-D que reconstruye la onda de ECG en una sola pasada hacia adelante (forward pass).

   • Mecanismo: En lugar de añadir ruido no estructurado, REAN aprende un residuo acotado y condicionado por la entrada ($\delta$) para añadir a la señal cruda ($x$): $\hat{x} = x + \tanh(\delta_\theta(x)) \cdot \epsilon_{max}$.
   • Objetivo de entrenamiento: La red se entrena para minimizar una función de pérdida compuesta:
     $$L = L_{util} - L_{priv} + D(x, \hat{x})$$
     • $L_{util}$: Pérdida de entropía cruzada de un clasificador de diagnóstico congelado (minimizada para preservar el diagnóstico de arritmia).
     • $L_{priv}$: Pérdida de entropía cruzada agrupada de tres clasificadores biométricos congelados (maximizada mediante el signo negativo para suprimir identidad, género y edad).
     • $D$: Término de distorsión (que combina la Distorsión Residual Perceptual y la norma L1) para limitar la desviación de la señal.
   • Optimización: Debido a que los gradientes de $L_{util}$ y $L_{priv}$ son ortogonales, los objetivos pueden optimizarse simultáneamente sin un conflicto significativo. El modelo utiliza optimización bayesiana para seleccionar los pesos que empujen la privacidad a niveles de azar mientras mantiene la utilidad.

Contribuciones clave

• Ortogonalidad Privacidad–Utilidad: El artículo demuestra que los gradientes de utilidad y privacidad son casi ortogonales en el espacio de la señal de ECG, proporcionando una base geométrica para desacoplar el diagnóstico de la identificación biométrica.
• Marco REAＮ: Una U-Net 1-D guiada por clasificadores que anonimiza las ondas de ECG crudas en una sola pasada hacia adelante, evitando la sobrecarga computacional de la optimización por muestra (ej. aprendizaje por refuerzo) o la pérdida de utilidad del ruido ciego.
• Robustez: El método mantiene la protección contra arquitecturas de atacantes no vistas e intentos de purificación de entrada (reducción de ruido), siempre que el atacante no reentrene sobre un gran corpus de datos anonimizados.

Resultados experimentales
Evaluado en cuatro bases de datos públicas de PhysioNet (MIT-BIH, MIT-BIH Long-Term, INCART, SHDB-AF) que comprenden 186 sujetos y más de 1.1 millones de ventanas:

• Desempeño de Privacidad: REAN reduce la precisión de reidentificación de 0.964 (limpio) a 0.000 (azar). También reduce la precisión de la inferencia de género y edad a niveles cercanos al azar (0.142 y 0.044, respectivamente).
• Desempeño de Utilidad: REAN preserva el desempeño del diagnóstico de arritmia al nivel de los datos limpios. El macro-AUROC para arritmia es 0.9991 para REAN frente a 0.9982 para los datos limpios, una diferencia estadísticamente indistinguible (IC 95%: [-0.0006, 0.0034]).
• Distorsión: El método logra una Distorsión Residual Perceptual (PRD) del 5.56%, lo cual se considera "muy bueno" en la literatura de procesamiento de señales.
• Velocidad: REAN procesa ventanas en 0.117 ms, significativamente más rápido que los modelos de referencia de optimización por muestra como REACT (12.73 ms).
• Comparaciones: A diferencia de los modelos de referencia como PP-VAE (que colapsa la morfología) o PrivECG (que deja la identidad recuperable), REAN es el único método que logra simultáneamente una alta protección de privacidad y una alta utilidad diagnóstica.

Significado y limitaciones
El artículo afirma que REAN demuestra que el compromiso entre privacidad y utilidad en la anonimización de ECG es evitable en lugar de fundamental, siempre que el método aproveche la estructura geométrica específica del espacio de la señal. Al aprender un residuo que se alinea con la dirección de privacidad, REAN suprime la filtración biométrica sin sacrificar la morfología diagnóstica.

Los autores reconocen limitaciones específicas:

• Filtración Determinista: Como mapeo determinista, REAN es vulnerable a adversarios "conscientes del reentrenamiento". Si un atacante tiene acceso a un gran corpus de datos anonimizados emparejados con etiquetas, puede reentrenar un clasificador biométrico para recuperar la identidad (la precisión de ReID sube a 0.886 con datos de entrenamiento 100% anonimizados). Los autores señalan que una anonimización formal e irreversible requeriría mecanismos estocásticos como la privacidad diferencial, que REAN no implementa actualmente.
• Alcance: La evaluación se limita a ECG de una sola derivación y divisiones temporales dentro del mismo sujeto; el despliegue de derivaciones múltiples o de 12 derivaciones y el despliegue entre sujetos siguen siendo trabajos futuros.

En conclusión, REAN ofrece una solución práctica y de alta velocidad para compartir datos de ECG que neutraliza eficazmente los riesgos de reidentificación manteniendo la utilidad clínica, representando un paso significativo más allá de los métodos limitados por el compromiso de la utilidad.