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

In de moderne wereld van de geneeskunde hangt het vermogen van een arts om de toekomstige gezondheid van een patiënt te voorspellen vaak af van de breedte van de data die zij kunnen inzien. Machine learning-algoritmen, de computerprogramma's die leren van patronen, worden krachtige hulpmiddelen voor het opsporen van risico's zoals ziekenhuisheropnames of ziekteprogressie. Deze hulpmiddelen zijn echter slechts zo goed als de informatie waarmee ze worden gevoed. Het probleem is dat deze informatie—elektronische patiëntendossiers met gevoelige details over patiënten—verspreid is over duizenden ziekenhuizen, opgeborgen door strikte privacywetten en institutionele regels. Ziekenhuizen kunnen hun ruwe patiëntendossiers niet simpelweg delen met een centrale autoriteit om een beter model te bouwen zonder het vertrouwen van de patiënt en wettelijke regelgeving te schenden.

Om dit op te lossen, hebben onderzoekers een methode ontwikkeld die federated learning wordt genoemd. Stel je een groep chefs voor die elk een geheim familie recept hebben. In plaats van hun recepten naar een centrale keuken te sturen waar ze gestolen of gekopieerd kunnen worden, spreken ze af om hun gerechten lokaal te bereiden en alleen de uiteindelijke smaak naar een centrale beoordelaar te sturen. De beoordelaar combineert deze smaken om een meesterrecept te creëren, dat vervolgens naar de chefs wordt teruggestuurd voor hun volgende poging. In deze digitale versie zijn de "recepten" de data, de "chefs" de ziekenhuizen, en de "smaak" de wiskundige update van het computermodel. De ruwe patiëntendata verlaat het ziekenhuis nooit. Toch heeft zelfs deze methode een gebrek: de "smaak" die wordt teruggestuurd, kan soms te veel onthullen over de specifieke ingrediënten die zijn gebruikt, waardoor een nieuwsgierige waarnemer kan raden welke patiënten deel uitmaakten van de trainingsset. Om dit te verhelpen, verkennen wetenschappers nu een techniek genaamd homomorfe encryptie, die ervoor zorgt dat berekeningen kunnen worden uitgevoerd op data die vergrendeld blijft in een digitale kluis, waardoor zelfs de persoon die de combinaties uitvoert de ruwe getallen niet kan zien.

Een team van onderzoekers aan de MIT School of Engineering in Pune, India, heeft dit concept onlangs getest in een gesimuleerde omgeving die een netwerk van tien ziekenhuizen nabootst. Hun doel was om te zien of ze een machine learning-model konden bouwen om te voorspellen of een patiënt met diabetes binnen dertig dagen opnieuw in het ziekenhuis zou worden opgenomen, terwijl ze de patiëntendata volledig verborgen en de modelupdates versleuteld hielden. Ze gebruikten een specifiek type digitaal slot dat bekend staat als CKKS, wat mogelijk is voor benaderende wiskunde op versleutelde getallen, een noodzakelijke functie omdat medische data vaak decimalen en breuken bevatten in plaats van alleen maar hele getallen.

De onderzoekers zetten een virtueel experiment op met behulp van een publieke dataset die gegevens bevat van 130 echte ziekenhuizen, die ze in tien aparte stukken hebben gehakt om tien verschillende instellingen te vertegenwoordigen. Elk virtueel ziekenhuis trainde zijn eigen versie van het voorspellingsmodel op zijn lokale data. In een standaard, ongeëncrypteerde scenario zouden deze ziekenhuizen hun modelupdates rechtstreeks naar een centrale server sturen. In dit nieuwe experiment vergrendelden de ziekenhuizen hun updates echter eerst in een digitale kluis met de CKKS-methode. De centrale server, die fungeerde als een eerlijke maar nieuwsgierige coördinator, ontving deze vergrendelde pakketten. Het voerde de wiskunde uit om ze samen te middelen zonder de individuele bijdragen ooit te ontgrendelen. Pas nadat het middelen voltooid was, werd het eindresultaat naar een vertrouwde partij gestuurd om te worden ontgrendeld en gebruikt om het globale model bij te werken.

De resultaten van dit experiment toonden een duidelijke en moeilijke afweging tussen privacy en prestaties. Wanneer de onderzoekers dezelfde taak uitvoerden zonder encryptie, was het systeem uiterst effectief en identificeerde het heropname-risico's met een hoge mate van nauwkeurigheid. Het model leerde snel en produceerde betrouwbare voorspellingen. Echter, in deze ongeëncrypteerde staat was het systeem kwetsbaar; een aanvaller kon de updates bekijken en succesvol raden of de gegevens van een specifieke patiënt deel uitmaakten van de training, waardoor de privacybelofte effectief werd geschonden.

Toen de onderzoekers de encryptie inschakelden, werkte de privacybescherming precies zoals bedoeld voor het bestudeerde aanvalstraject. Het systeem verminderde het vermogen van een aanvaller om te raden of de gegevens van een patiënt deel uitmaakten van de training tot het niveau van een willekeurige kans, wat een succespercentage van exact vijftig procent opleverde, wat hetzelfde is als het opgooien van een munt. Deze bevinding is consistent met de bescherming van het geëvalueerde protocol tegen een eerlijke maar nieuwsgierige server, hoewel het geen garantie is voor immuniteit tegen alle privacyaanvallen of alle adversariële condities. De ziekenhuisdata bleven werkelijk privé en de centrale server zag niets anders dan vergrendelde getallen.

Deze privacy ging echter gepaard met een aanzienlijke prijs. Het versleutelde systeem was veel trager en vereiste veel meer data om over het netwerk te worden verzonden. De grootte van de datapakketten die van elk ziekenhuis werden verzonden, groeide met een factor vierentwintig, wat betekende dat het communicatieverkeer sprong van ongeveer 3 megabyte naar bijna 38 megabyte voor elke trainingsronde. Bovendien daalde de voorspellende kracht van het model merkbaar. Terwijl het ongeëncrypteerde model een hoge score behaalde voor het correct identificeren van heropnames, worstelde de versleutelde versie, waarbij het vermogen om onderscheid te maken tussen patiënten die wel en niet zouden terugkeren daalde naar een niveau dat weliswaar beter was dan willekeurige gokken, maar veel minder bruikbaar voor klinische besluitvorming. Het model had ook langer nodig om te stabiliseren en vertoonde meer grillig gedrag terwijl het probeerde te leren van de vergrendelde data.

De studie concludeert dat hoewel het technisch mogelijk is om een privacy-bewarend systeem voor ziektevoorspelling in meerdere ziekenhuizen met deze methode te bouwen, het nog geen perfecte oplossing is. De technologie stopt succesvol de specifieke privacylekken die de onderzoekers testten, maar doet dit door het systeem veel zwaarder en minder nauwkeurig te maken. De onderzoekers vonden dat voor deze specifieke opstelling de afname in voorspellende kwaliteit en de enorme toename in dataoverdracht aanzienlijke hindernissen zijn. Ze suggereren dat voor deze aanpak bruikbaar te zijn in de echte wereld, toekomstig werk zich moet richten op het verminderen van de grootte van de versleutelde data en het verbeteren van het vermogen van het model om effectief te leren ondanks de digitale sloten. Tot die tijd blijft de keuze tussen een zeer nauwkeurig model dat privacy riskeert en een perfect privaat model dat minder nauwkeurig is, een moeilijke balans voor zorginstellingen om te vinden.