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

Resumo Técnico: REAN (Anonimização de ECG com Consciência de Reconstrução)

Problema
Os sinais de eletrocardiograma (ECG) são essenciais para o diagnóstico de condições cardíacas, mas funcionam inerentemente como impressões digitais biométricas. A morfologia da onda contém informações específicas da pessoa (identidade, gênero, idade) que permitem a reidentificação do paciente, mesmo quando os metadados são removidos. Os métodos de anonimização existentes enfrentam um trade-off fundamental entre privacidade e utilidade: técnicas que ocultam efetivamente as informações biométricas frequentemente degradam a morfologia do sinal necessária para um diagnóstico preciso de arritmia, enquanto métodos que preservam a utilidade diagnóstica frequentemente deixam dados biométricos recuperáveis. As abordagens atuais dependem ou de transformações no espaço de características (que podem não gerar formas de onda brutas e utilizáveis) ou aplicam ruído cego (o que prejudica o diagnóstico).

Metodologia
O artigo propõe o REAN (Reconstruction-aware ECG Anonymizer), um anonimizador de sinal de ECG bruto que resolve o trade-off entre privacidade e utilidade explorando as propriedades geométricas do espaço do sinal de ECG.

1. Observação de Ortogonalidade de Gradiente:
   A descoberta teórica central é que as direções para maximizar a utilidade diagnóstica e minimizar o vazamento de privacidade são quase ortogonais no espaço do sinal de ECG.

   • Direção de Utilidade: Definida pelo gradiente de entrada de um classificador diagnóstico congelado (detecção de arritmia).
   • Direção de Privacidade: Definida pelo gradiente de entrada de classificadores biométricos congelados (identidade, gênero, idade).
   • Medição: Experimentos em dados de ECG limpos mostram que o ângulo entre esses gradientes tem uma média de aproximadamente 89,8° (cosseno ≈ 0,003) através de vários atributos protegidos e arquiteturas de atacante (ResNet, InceptionTime, CNN-LSTM). Essa ortogonalidade implica que perturbações ao longo da direção de privacidade suprimem a informação biométrica com impacto negligenciável na perda diagnóstica.

2. Arquitetura REAN:
   O REAN implementa um U-Net 1-D que reconstrói a forma de onda do ECG em uma única passagem direta (forward pass).

   • Mecanismo: Em vez de adicionar ruído não estruturado, o REAN aprende um resíduo ($\delta$) limitado e condicionado à entrada para adicionar ao sinal bruto ($x$): $\hat{x} = x + \tanh(\delta_\theta(x)) \cdot \epsilon_{max}$.
   • Objetivo de Treinamento: A rede é treinada para minimizar uma função de perda composta:
     $$L = L_{util} - L_{priv} + D(x, \hat{x})$$
     • $L_{util}$: Perda de entropia cruzada de um classificador diagnóstico congelado (minimizada para preservar o diagnóstico de arritmia).
     • $L_{priv}$: Perda de entropia cruzada agrupada de três classificadores biométricos congelados (maximizada via o sinal negativo para suprimir identidade, gênero e idade).
     • $D$: Termo de distorção (combinando Distorção Residual Perceptual e norma L1) para limitar o desvio do sinal.
   • Otimização: Como os gradientes de $L_{util}$ e $L_{priv}$ são ortogonais, os objetivos podem ser otimizados simultaneamente sem conflito significativo. O modelo utiliza otimização bayesiana para selecionar pesos que levem a privacidade a níveis de acaso enquanto mantêm a utilidade.

Principais Contribuições

• Ortogonalidade Privacidade–Utilidade: O artigo demonstra que os gradientes de utilidade e privacidade são quase ortogonais no espaço do sinal de ECG, fornecendo uma base geométrica para desacoplar o diagnóstico da identificação biométrica.
• Framework REAN: Um U-Net 1-D guiado por classificador que anonimiza formas de onda de ECG bruto em uma única passagem direta, evitando o overhead computacional de otimização por amostra (ex: aprendizagem por reforço) ou a perda de utilidade de ruído cego.
• Robustez: O método mantém a proteção contra arquiteturas de atacantes não vistas e tentativas de purificação de entrada (denoising), desde que o atacante não retreine em um grande corpus de dados anonimizados.

Resultados Experimentais
Avaliado em quatro bases de dados públicas PhysioNet (MIT-BIH, MIT-BIH Long-Term, INCART, SHDB-AF) compreendendo 186 sujeitos e mais de 1,1 milhão de janelas:

• Desempenho de Privacidade: O REAN reduz a precisão de reidentificação de 0,964 (limpo) para 0,000 (acaso). Também reduz a precisão de inferência de gênero e idade para níveis próximos ao acaso (0,142 e 0,044, respectivamente).
• Desempenho de Utilidade: O REAN preserva o desempenho do diagnóstico de arritmia no nível dos dados limpos. O macro-AUROC para arritmia é de 0,9991 para o REAN comparado a 0,9982 para os dados limpos, uma diferença estatisticamente indistinguível (95% CI: [-0,0006, 0,0034]).
• Distorção: O método alcança uma Distorção Residual Perceptual (PRD) de 5,56%, o que é considerado "muito bom" na literatura de processamento de sinais.
• Velocidade: O REAN processa janelas em 0,117 ms, significativamente mais rápido que as linhas de base de otimização por amostra como o REACT (12,73 ms).
• Comparações: Ao contrário das linhas de base como o PP-VAE (que colapsa a morfologia) ou o PrivECG (que deixa a identidade recuperável), o REAN é o único método a alcançar simultaneamente alta proteção de privacidade e alta utilidade diagnóstica.

Significância e Limitações
O artigo afirma que o REAN demonstra que o trade-off entre privacidade e utilidade na anonimização de ECG é contornável em vez de fundamental, desde que o método aproveite a estrutura geométrica específica do espaço do sinal. Ao aprender um resíduo que se alinha com a direção de privacidade, o REAN suprime o vazamento biométrico sem sacrificar a morfologia diagnóstica.

Os autores reconhecem limitações específicas:

• Vazamento Determinístico: Como um mapeamento determinístico, o REAN é vulnerável a adversários "conscientes do retreinamento". Se um atacante tiver acesso a um grande corpus de dados anonimizados pareados com rótulos, ele pode retreinar um classificador biométrico para recuperar a identidade (a precisão de ReID sobe para 0,886 com dados de treinamento 100% anonimizados). Os autores observam que uma anonimização formal e irreversível exigiria mecanismos estocásticos como privacidade diferencial, que o REAN não implementa atualmente.
• Escopo: A avaliação é limitada a ECGs de derivação única e divisões temporais dentro do mesmo sujeito; gravações de múltiplas derivações ou de 12 derivações e implantação entre diferentes sujeitos permanecem como trabalhos futuros.

Em conclusão, o REAN oferece uma solução prática e de alta velocidade para o compartilhamento de dados de ECG que neutraliza efetivamente os riscos de reidentificação enquanto mantém a utilidade clínica, representando um passo significativo à frente dos métodos limitados pelo trade-off.