Cross-Dataset Linkage of Brain MRI using Image Similarity Measures
Cette étude démontre que des IRM cérébrales dépouillées de leur crâne peuvent être ré-identifiées de manière fiable à travers des ensembles de données diversifiés en utilisant de simples mesures de similarité d'image, révélant ainsi un risque important pour la vie privée qui remet en question les hypothèses réglementaires actuelles concernant l'anonymisation des données.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'empreinte digitale invisible dans votre IRM
Imaginez que vous possédez une photographie très détaillée de votre cerveau, mais que quelqu'un a soigneusement découpé la photo de votre visage et du crâne qui l'entoure, ne laissant que le tissu cérébral lui-même. Vous pourriez penser : « Super ! Sans mon visage ni mon crâne, personne ne peut savoir qui je suis. »
Ce document dit : Pas si vite.
Les chercheurs ont découvert que même après avoir retiré le visage et le crâne, votre tissu cérébral conserve toujours une « empreinte digitale » unique. Tout comme aucune deux personnes ne possèdent exactement les mêmes empreintes digitales, aucune deux personnes ne possèdent exactement les mêmes motifs de forme et de texture du cerveau. L'étude montre que si vous disposez de deux IRM du même individu prises à des moments différents, sur des appareils différents, ou même dans des hôpitaux différents, vous pouvez les faire correspondre avec une précision quasi parfaite en utilisant des mathématiques informatiques simples.
Voici comment ils ont procédé, décomposé en étapes simples :
1. Le « Nettoyage » (Harmonisation)
Pensez aux IRM comme à des photos prises avec différents appareils photo. L'un pourrait être un reflex haut de gamme, un autre un appareil de téléphone, et ils pourraient avoir été pris sous un éclairage différent. Si vous essayez de les comparer directement, ils semblent trop différents.
Les chercheurs ont utilisé un processus standard de « nettoyage » (appelé harmonisation) pour faire en sorte que toutes les IRM semblent avoir été prises avec le même appareil photo et sous le même éclairage. Ils ont redressé la position du cerveau et ajusté la luminosité et le contraste afin que les images soient sur un pied d'égalité.
2. La vérification « Côté à côté » (Mesures de similarité)
Une fois les images nettoyées, ils n'avaient pas besoin d'une intelligence artificielle complexe ou de super-ordinateurs pour trouver une correspondance. Ils ont utilisé des outils mathématiques simples et quotidiens (comme mesurer la similarité de deux images pixel par pixel).
Imaginez que vous avez une pile de 1 000 photos. Vous en choisissez une et demandez : « Quelle autre photo dans cette pile représente la même personne ? » Vous comparez la nouvelle photo à toutes les autres photos. Si le score mathématique est suffisamment élevé, c'est une correspondance. S'il est faible, c'est une personne différente.
3. La correspondance « Impossible »
L'équipe a testé cela dans des scénarios très difficiles pour voir si cela échouerait :
- Appareils différents : IRM prises sur des appareils Siemens, GE et Philips.
- Moments différents : IRM prises à plusieurs années d'intervalle.
- Santé différente : IRM de personnes en bonne santé, et IRM de personnes dont le cerveau avait changé en raison de la maladie d'Alzheimer ou de pertes de mémoire.
Le Résultat : La méthode a fonctionné presque parfaitement à chaque fois. Même lorsque le cerveau d'une personne avait rétréci ou changé de forme en raison d'une démence, l'« empreinte digitale » sous-jacente restait suffisamment forte pour relier l'ancienne IRM à la nouvelle.
Pourquoi cela importe-t-il ? (Le casse-tête de la vie privée)
Actuellement, lorsque les hôpitaux de recherche partagent des IRM, ils retirent les noms et les visages pour protéger la vie privée. Ils supposent que, une fois le visage supprimé, les données sont anonymes.
Ce document soutient que cette hypothèse pourrait être erronée. Si un pirate informatique (ou un chercheur curieux) dispose de :
- Une base de données d'IRM « anonymes » (avec les visages supprimés).
- Une autre base de données de données réelles (comme un dossier médical ou une autre étude) qui contient des noms.
Ils pourraient utiliser cette astuce de correspondance simple pour relier l'IRM anonyme au nom de la personne réelle. C'est comme trouver un lien caché entre deux pièces de puzzle qui étaient censées être séparées.
La conclusion « Juridique »
Les auteurs expliquent que, selon les lois sur la vie privée (comme le RGPD en Europe), les données ne sont considérées comme « anonymes » que s'il est impossible de réidentifier la personne en utilisant des méthodes « raisonnablement probables ».
Puisque cette étude montre que la réidentification est possible en utilisant des outils standard et open source (des outils que n'importe qui peut télécharger gratuitement), les IRM pourraient ne pas être aussi anonymes que nous le pensions. Le document suggère que :
- Nous devons être plus prudents sur la façon dont nous partageons les données cérébrales.
- Les personnes doivent être informées que leurs IRM pourraient potentiellement être liées à d'autres études dans lesquelles elles ont participé.
- Nous avons besoin de meilleures règles pour protéger les gens, car l'« empreinte digitale » dans le cerveau est plus difficile à effacer qu'un nom sur une liste.
En bref : Votre cerveau possède une signature unique qui subsiste même lorsque vous retirez votre visage. Des mathématiques simples peuvent retrouver cette signature à travers différents hôpitaux et années, ce qui signifie que nous devons repenser la façon dont nous protégeons la confidentialité des IRM.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.