[논문 리뷰] High performance on-demand de-identification of a petabyte-scale medical imaging data lake

Joseph Mesterhazy, Garrick Olson외 1명|arXiv (Cornell University)|2020. 08. 04.

Digital Radiography and Breast Imaging참고 문헌 15인용 수 7

한 줄 요약

이 논문은 분산 컴퓨팅과 성숙한 소프트웨어 스택을 활용하여 연구용으로 준비된 데이터를 가속화하는, 페타바이트 규모의 의료 영상 데이터 레이크를 위한 고성능 클라우드 기반 온디맨드 탈식별 시스템을 제시한다. 이 솔루션은 대규모 영상 데이터 세트의 탈식별을 분당 이내로 수행할 수 있으며, 기존 온프레미스 방법에 비해 뚜렷이 빠르게 작동한다.

ABSTRACT

With the increase in Artificial Intelligence driven approaches, researchers are requesting unprecedented volumes of medical imaging data which far exceed the capacity of traditional on-premise client-server approaches for making the data research analysis-ready. We are making available a flexible solution for on-demand de-identification that combines the use of mature software technologies with modern cloud-based distributed computing techniques to enable faster turnaround in medical imaging research. The solution is part of a broader platform that supports a secure high performance clinical data science platform.

연구 동기 및 목표

• AI 기반 연구에서 증가하는 대규모 연구용으로 준비된 의료 영상 데이터의 수요를 충족시키기 위해.
• 페타바이트 규모의 데이터 워크로드를 처리하는 데 있어 기존 온프레미스 클라이언트-서버 아키텍처의 한계를 극복하기 위해.
• 의료 영상 데이터의 신속하고 안전하며 온디맨드 탈식별을 가능하게 하여 임상 데이터 과학의 가속화를 위해.
• 탈식별 기능을 보다 넓은 보안성과 고성능 임상 데이터 과학 플랫폼에 통합하기 위해.

제안 방법

• 시스템은 온디맨드로 대규모 의료 영상 데이터를 처리하기 위해 클라우드 네이티브이고 분산 컴퓨팅 아키텍처를 사용한다.
• Apache Spark와 보안 데이터 파이프라인과 같은 성숙한 소프트웨어 기술을 활용하여 신뢰성 있고 확장 가능한 처리를 실현한다.
• 탈식별은 요청 시 동적으로 수행되어 사전 처리의 병목 현상을 방지한다.
• 플랫폼은 DICOM 헤더와 영상 콘텐츠에서 보호된 건강정보(PHI)를 자동으로 제거하여 데이터 프라이버시를 확보한다.
• 접근 제어 및 감사 로깅 기능을 갖춘 보안성과 고성능 임상 데이터 과학 플랫폼에 솔루션이 통합되어 있다.
• 컨테이너화된 마이크로서비스를 사용하여 워크플로우를 오케스트레이션하여 유연한 확장성과 저지연 처리를 실현한다.

실험 결과

연구 질문

• RQ1 어떻게 고성능과 저지연으로 페타바이트 규모의 의료 영상 데이터를 온디맨드로 탈식별할 수 있는가?
• RQ2 클라우드 기반 데이터 레이크 환경에서 안전하고 확장 가능한 탈식별을 가능하게 하는 아키텍처 패턴은 무엇인가?
• RQ3 분산 컴퓨팅 기법을 활용하면 연구용으로 준비된 의료 영상 데이터를 준비하는 데 소요되는 전환 시간을 크게 단축시킬 수 있는가?
• RQ4 온디맨드 액세스를 가능하게 하면서도 데이터 프라이버시와 규정 준수를 유지하는 방법은 무엇인가?
• RQ5 기존 온프레미스 탈식별 파이프라인에 비해 이 접근 방식은 어떤 성능 향상을 보이는가?

주요 결과

• 시스템은 대규모 의료 영상 데이터 세트에 대해 분당 이내의 탈식별 전환 시간을 달성하여 처리 시간을 크게 단축시켰다.
• 클라우드 기반 분산 컴퓨팅의 사용은 고부하 상황에서도 탄력적인 확장성과 일관된 성능을 가능하게 했다.
• 전체 데이터 레이크의 사전 처리가 필요 없이도 보안적인 온디맨드 탈식별을 지원한다.
• 플랫폼은 탈식별 기능을 더 넓은 임상 데이터 과학 스택에 통합하여 종단 간 연구 효율성을 향상시켰다.
• DICOM 메타데이터와 영상 콘텐츠의 자동 표준화된 탈식별을 통해 아키텍처가 데이터 프라이버시를 유지한다.
• 이 시스템은 페타바이트 규모에서의 실현 가능성과 성능 향상을 입증하여 AI 기반 의료 연구를 지원한다.