💻 computer science

Privacy-Preserving Detection of Rare Disease-Associated Cell Subsets via Secure Multi-Party Computation

이 논문은 기관들이 민감한 환자 정보를 노출하지 않고도 높은 정확도로 희귀 질환 관련 세포 하위 집단을 협력적으로 탐지할 수 있도록, 비밀 공유된 단일 세포 데이터에 대해 CellCnn 모델의 프라이버시 보존형 학습 및 추론을 가능하게 하는 보안 다자간 계산 프레임워크를 제안한다.

원저자: Ş. Selcan Magara, Esther Havemann, Debora Jutz, Ali Burak Ünal, Mete Akgün

게시일 2026-08-21

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ş. Selcan Magara, Esther Havemann, Debora Jutz, Ali Burak Ünal, Mete Akgün

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

우리 몸속의 미세한 세계에서, 건강과 질병은 종종 수백만 개의 다른 세포들 사이에 숨어 있는 몇몇 특정 세포의 존재 여부에 달려 있습니다. 광활한 해변에서 단 하나의 독특한 모래알을 찾는 것을 상상해 보십시오. 이것이 바로 과학자들이 백혈병이나 바이러스 감염의 초기 단계를 알리는 희귀 세포 집단을 찾기 위해 직면하는 도전 과제입니다. 현대 기술은 연구자들에게 수천 개의 개별 세포에 대해 수십 가지의 단백질을 동시에 측정할 수 있는 능력을 부여하여, 면역 체계의 고해상도 지도를 만들어 냈습니다. 그러나 이러한 발견을 가능하게 하는 바로 그 데이터는 매우 개인적입니다. 그것은 한 사람의 질병 상태, 면역 이력, 심지어 유전적 성향까지도 드러낼 수 있습니다. 이러한 민감성 때문에, 엄격한 개인정보 보호법은 병원들이 환자 데이터를 서로 단순히 공유하는 것을 막고 있습니다. 이는 좌절스러운 병목 현상을 만듭니다. 즉, 이러한 희귀 세포를 신뢰성 있게 찾기 위해 과학자들은 대규모의 다양한 환자 집단을 대상으로 컴퓨터 모델을 학습시켜야 하지만, 법적으로 그에 필요한 데이터를 통합할 수 없다는 점입니다.

한 연구팀이 이제 이 퍼즐을 풀 수 있는 새로운 방법을 개발하여, 병원들이 서로의 가공되지 않은 환자 데이터를 전혀 보지 않고도 희귀 세포를 찾는 데 협력할 수 있도록 했습니다. 그들의 연구는 희귀 세포 하위 집단을 포착하도록 설계된 CellCnn이라는 특정 유형의 인공지능에 초점을 맞추고 있습니다. 연구진은 여러 대의 컴퓨터가 실제 숫자는 숨긴 채 공유된 수학적 문제를 함께 해결할 수 있는 보안 시스템을 구축했습니다. 그들은 모든 데이터를 무작위의 의미 없는 파편으로 나누어 서로 다른 컴퓨팅 서버에 분산함으로써 이를 달ante했습니다. 이 서버들은 파편들을 바탕으로 AI를 학습시키기 위한 복잡한 계산을 수행하며, 오직 서로와만 통신하여 결과를 결합합니다. 어떤 시점에서도 단일 서버나 심지어 연구자들조차도 원래의 환자 정보나 계산의 중간 단계를 볼 수 없습니다. 이 시스템은 최종 결과가 데이터를 공개적으로 결합했을 때와 마찬가지로 정확하면서도, 각 개인의 프라이버시는 온전히 유지되도록 설계되었습니다.

연구팀은 실제 세상의 데이터셋인 거대세포바이러스(cytomegalovirus) 감염 및 급성 골수성 백혈병을 대상으로 이 방법을 테스트했습니다. 이 테스트에서 그들은 자신들의 보안 시스템을 표준적인 비개인화 버전의 AI 및 이전의 프라이버시 중심 시도와 비교했습니다. 결과는 그들의 보안 방식이 표준 방식과 거의 동일한 정밀도로 질병 관련 세포를 식별할 수 있음을 보여주었습니다. 예를 들어, 바이러스 감염과 관련된 세포를 찾을 때, 그들의 시스템은 약 73%의 정확도를 달성했는데, 이는 비개인화 버전과 거의 동일했습니다. 반면, 암호화를 적용하기 위해 AI의 두뇌를 단순화해야 했던 이전의 프라이버시 보호 방식은 정확도가 약 63%로 떨어지며 눈에 띄게 낮은 성능을 보였습니다. 새로운 시스템은 이전 방식이 폐기해야 했던 패턴 학습을 돕는 활성화 단계와 같은 AI의 복잡한 부분들을 유지할 수 있었습니다.

분류를 넘어, 연구진은 보안 시스템이 더 어려운 과제, 즉 샘플 내에 존재하는 희귀 암세포의 정확한 수를 추정하는 작업도 처리할 수 있음을 입증했습니다. 이는 최소 잔존 질환 환자를 모니터링할 때 매우 중요한데, 의사들이 치료 후 아주 적은 수의 암세포가 남아 있는지 알아야 하기 때문입니다. 보안 시스템은 실제 값과 0.98의 상관관계를 보이며 희귀 세포의 비율을 예측했는데, 이는 표준적인 비개인화 모델과 매우 유사한 수준의 성능입니다. 이러한 능력은 이전의 프라이버시 보호 방식이 전혀 수행할 수 없었던 것이었습니다. 연구진은 모델 학습에 걸린 시간도 측정하였으며, 로컬 네트워크에서의 학습에 약 20분이 소요되었으나, 이 속도는 컴퓨터 간의 연결 대역폭에 크게 의존한다고 언급했습니다.

이 연구는 환자의 프라이버시를 침해하지 않으면서도 강력한 의료용 AI 모델을 훈련하는 것이 가능하다는 것을 확인해 줍니다. 데이터를 통째로 공유하는 대신 비밀스러운 파편으로 공유하는 기술을 사용함으로써, 연구진은 병원들이 개인정보 보호 규정을 위반하지 않고도 효과적으로 협력할 수 있음을 보여주었습니다. 현재의 시스템은 컴퓨팅 서버들이 규칙을 준수하고 프로토콜에서 벗어나지 않는다고 가정하지만, 이 연구는 미래의 의료 연구를 위한 강력한 토대를 제공합니다. 이는 많은 병원의 집단적 힘이 개인 환자의 사적인 세부 사항을 전 과정 동안 완전히 숨긴 채, 희귀 질병을 탐지하는 데 사용될 수 있는 길을 제시합니다.

기술 요약: 보안 다자간 연산을 통한 희귀 질환 관련 세포 하위 집단의 프라이버시 보존형 탐지

문제 정의
희귀 질환 관련 세포 하위 집단(예: 미세 잔존 질환에서의 백혈병 모세포 또는 거대세포바이러스 감염에서의 특정 NK 세포 하위 집단)의 탐지는 질병 진행을 이해하는 데 매우 중요하지만, 낮은 빈도(최저 0.01%까지)로 인해 기술적으로 까다롭습니다. 합성곱 신경망(CNN) 구조인 CellCnn은 고차원 단일 세포 질량 분석 데이터에서 이러한 인구 집단을 식별하는 데 성공적인 성능을 보여주었으나, 데이터 부족으로 인해 그 적용이 제한적입니다. 견고한 모델 학습을 위해서는 대규모의 다양성을 갖춘 환자 코호트가 필요하지만, 단일 기관은 일반적으로 이를 구축하기 어렵습니다. 또한, 단일 세포 데이터는 질병 상태와 유전적 소인을 드러낼 수 있는 매우 민나한 정보이므로, GDPR 및 HIPAA와 같은 엄격한 프라이버시 규정으로 인해 기관 간 데이터 공유가 불가능합니다. 호모모픽 암호화(Homomorphic Encryption)를 사용하는 PriCell과 같은 기존의 프라이버시 보존 솔루션은 다항식 회로 예산에 맞추기 위해 ReLU 활성화 함수, 바이어스(bias) 항, 그리고 회귀(regression) 기능을 제거해야 하는 구조적 제약을 부과하며, 이로 인해 모델의 표현력과 정확도가 저하됩니다.

방법론
저자들은 전체 CellCnn을 비밀 공유(secret-shared)된 데이터 상에서 엔드 투 엔드로 학습 및 추론할 수 있게 하는 보안 다다간 연산(MPC) 프레임을 제안합니다. 이 시스템은 세 당사자 설정( $P_0, P_1$ 두 개의 컴퓨팅 프록시와 한 명의 헬퍼 파티 $P_2$ ) 하에서 반-정직(semi-honest) 보안 모델과 정직한 다수(honest majority) 가정을 기반으로 작동합니다.

데이터 표현: 데이터 소유자(의료 기관)는 자신의 단일 세포 측정값을 $\mathbb{Z}_{2^{64}}$ 링 위의 두 개의 무작위 가산 공유(additive shares)로 분할하여 각 프록시에 하나씩 전송합니다. 어떤 당사자도 원본 평문 데이터를 관찰할 수 없습니다.
연산: 프록시들은 로컬 덧셈을 수행하고, 헬퍼가 제공하는 비버 트리플(Beaver triples)을 사용하여 곱셈을 위해 상호작작용합니다. 실수 연산은 고정 소수점 산술(fixed-point arithmetic)을 통해 처리됩니다.
구조적 적응: MPC 환경에 맞추면서도 CellCnn의 완전한 표현력을 유지하기 위해, 저자들은 특정 비다항 연산을 다음과 같이 교체했습니다.
- 옵티마이저(Optimizer): 나눗셈과 제곱근이 필요한 Adam 옵티마이저를 모멘텀을 포함한 미니 배치 SGD로 교체했습니다.
- 활성화 함수(Activations): 컨볼루션 레이어에서는 ReLU 활성화를 유지(네이티브 지원)하고, 보안 비교 연산을 피하기 위해 평균 풀링(mean pooling)을 사용했습니다.
- 출력 헤드(Output Heads): 표준 소프트맥스/교차 엔트로피 헤드 대신, 3차 최소제곱 다항식으로 근사된 클래스별 시그모이드를 사용했습니다. 회귀 작업의 경우, 마스킹된 보안 지수 함수와 나눗셈을 사용하여 MSE(평균 제곱 오차)에 대해 학습된 tanh 기반 헤드를 구현했습니다.
- 바이어스 항(Bias Terms): 기존의 HE 기반 접근 방식과 달리, 컨볼루션 및 완전 연결 레이어 모두에서 바이어스 항을 유지했습니다.

핵심 기여

전체 구조 MPC 구현: 본 논문은 ReLU와 바이어스 항을 포함한 핵심적인 건축적 구성 요소를 유지하면서 MPC 하에서 CellCnn을 구현한 첫 사례를 제시합니다. 이는 PriCell과 같은 이전의 프라이버시 보존 변형 모델들이 생략했던 부분입니다.
회귀 기능: 프레임워크는 tanh 기반 헤드를 통해 연속적인 결과 예측(회귀)을 지원하며, 이를 통해 호모모픽 암호화 기반의 이전 모델들이 가진 분류 전용의 한계를 넘어 CellCnn의 활용도를 확장했습니다.
디커플링된 학습(Decoupled Training): 데이터 소유자가 공유 값을 제공한 후 연결을 끊을 수 있도록 프로토콜이 설계되었습니다. 이는 모든 데이터 보유자가 온라인 상태를 유지해야 하는 동기식 연합 학습(Federated Learning) 모델과 차별화되는 점으로, 고정된 전용 컴퓨팅 파티에 의해 연산이 수행됩니다.

결과
본 방법론은 세 가지 벤치마크(CMV NK-세포 분류, AML 3-클래스 분류, AML 미세 잔존 질환 회귀)를 통해 평가되었습니다.

CMV 분류: MPC 구현은 멀티 셀 입력 정확도 $0.727 \pm 0.141$ 및 표현형(phenotype) 정확도 $0.681 \pm 0.146$ 을 달성했습니다. 이는 평문(plaintext) CellCnn 베이스라인( $0.721 \pm 0.173$ 및 $0.716 \pm 0.158$ )과 유사한 수준이며, PriCell 베이스라인( $0.633 \pm 0.127$ )을 크게 상회합니다.
AML 분류: 3-클래스 AML 작업에서 MPC 구현은 $0.935 \pm 0.047$ 의 멀티 셀 정확도를 달성하여, 평문 상한선(1.0)에 PriCell( $0.898 \pm 0.055$ )보다 더 근접했습니다.
AML MRD 회귀: 회귀 작업에서 MPC 모델은 평문 베이스라인( $r=0.99$ , MAE=0.8 pp)과 비교했을 때, 피어슨 상관계수 $r=0.98$ 및 평균 절대 오차(MAE) 1.0 pp를 기록하며 기저 블래스트 분율을 성공적으로 복구했습니다.
실행 시간: 5 Gbps LAN 환경에서 CMV 모델을 20 에포크 동안 학습시키는 데 약 1,200초가 소요되었습니다. 저자들은 대역폭이 주요 병목 구간임을 언급하며, 속도가 1 Gbps로 감소할 경우 학습 시간이 2,700초로 증가함을 확인했습니다.

의의 및 주장
저자들은 자신들의 접근 방식이 다기관 데이터 협업의 통계적 필요성과 데이터 프라이버시라는 법적/윤리적 제약 사이의 간극을 성공적으로 메웠다고 주장합니다. ReLU와 바이어스 항을 포함한 전체 CellCnn 구조를 유지하고 회귀를 지원함으로써, 제안된 MPC 프레임워크는 이전의 프라이버시 보존 베이스라인보다 높은 정확도와 폭넓은 적용 가능성을 제공합니다. 본 논문은 이 방법이 원본 환자 데이터나 중간 값을 컴퓨팅 파티에 노출하지 않고도 희귀 세포 하위 집단에 대한 정확한 분석을 가능하게 한다고 강조합니다. 저자들은 반-정직 위협 모델에 대한 의존도와 회귀 벤치마크를 위한 합성 데이터 사용이라는 한계를 인정하며, 향후 연구가 악의적 모델(malicious models)에 대한 보안 강화와 더 큰 규모의 실제 임상 코호트 검증에 집중되어야 함을 시사했습니다.

유사한 논문