[논문 리뷰] Synthetic Data in Healthcare

Daniel McDuff, Theodore Curran외 1명|arXiv (Cornell University)|2023. 04. 06.

demographic modeling and climate adaptation인용 수 16

한 줄 요약

이 논문은 합성 데이터가 어떻게 생성되는지(물리적, 통계적, 하이브리드 모델), 의료 분야 응용, 프라이버시와 형평성에 대한 이점, 그리고 이를 통해 야기되는 위험과 도전을 조사한다.

ABSTRACT

Synthetic data are becoming a critical tool for building artificially intelligent systems. Simulators provide a way of generating data systematically and at scale. These data can then be used either exclusively, or in conjunction with real data, for training and testing systems. Synthetic data are particularly attractive in cases where the availability of ``real'' training examples might be a bottleneck. While the volume of data in healthcare is growing exponentially, creating datasets for novel tasks and/or that reflect a diverse set of conditions and causal relationships is not trivial. Furthermore, these data are highly sensitive and often patient specific. Recent research has begun to illustrate the potential for synthetic data in many areas of medicine, but no systematic review of the literature exists. In this paper, we present the cases for physical and statistical simulations for creating data and the proposed applications in healthcare and medicine. We discuss that while synthetics can promote privacy, equity, safety and continual and causal learning, they also run the risk of introducing flaws, blind spots and propagating or exaggerating biases.

연구 동기 및 목표

• 의료 분야에서 프라이버시, 공유 장벽, 데이터 부족 문제를 해결하기 위한 합성 데이터 사용을 동기 부여한다.
• 물리적, 통계적, 하이브리드 데이터 생성 방법과 이들의 의료 데이터 적용 가능성을 특징지운다.
• 시뮬레이트-실제 간 전이 개념(sim2real transfer concepts: 도메인 무작위화, 도메인 적응, 미분 가능한 시뮬레이션)과 이들이 의료 작업에서의 관련성을 논의한다.
• 의료 분야에서 합성 데이터의 잠재적 이점(프라이버시, 형평성, 안전성, 지속적 학습)과 위험(편향, 결함, 미확인 요소)을 강조한다.

제안 방법

• 합성 데이터 생성을 물리적 모델, 통계적 모델, 하이브리드 접근 방식으로 분류한다.
• 합성 데이터와 실제 데이터 간의 도메인 차이를 줄이기 위한 sim2real 기법을 설명한다.
• 최적의 시뮬레이터 충실도를 위한 미분 가능한 시뮬레이션의 이점을 논의한다.
• 구조화된 EHR, 자연어, 생리 신호, 의학 영상 등 다양한 모달리티에서 합성 데이터가 어떻게 활용되는지 요약한다.

실험 결과

연구 질문

• RQ1 합성 의료 데이터 생성을 위한 주요 방법과 그 절충점은 무엇인가?
• RQ2 합성 데이터가 다양한 의학 모달리티와 태스크에 어떻게 적용될 수 있는가?
• RQ3 의료에서 합성 데이터를 사용함으로써 얻는 이점과 위험(프라이버시, 형평성, 안전성 포함)은 무엇인가?
• RQ4 의료 적용에서 sim2real 간극을 줄이는 효과적인 전략은 무엇인가?

주요 결과

• 합성 데이터는 실제 데이터로 학습된 모델과 유사하거나, 경우에 따라 실제 데이터와 함께 사용할 때 더 나은 성능의 모델을 낼 수 있다.
• 합성 데이터는 프라이버시를 개선하고 데이터 공유를 가능하게 하며, 다양한 표현형과 희귀 이벤트 생성을 가능하게 하여 형평성을 지원할 수 있다.
• 도메인 무작위화, 도메인 적응, 미분 가능한 시뮬레이션과 같은 sim2real 전략은 의료 설정에서 합성 데이터에서 실제 데이터로의 일반화를 돕는다.
• 합성 데이터는 지속적 학습과 빠른 모델 업데이트를 지원하고 환자 위험 없이 안전성 테스트를 촉진할 수 있지만, 편향 및 인식되지 않은 인공물의 위험을 내포한다.
• 문헌은 심장학, 피부과, 영상의학, 안과, 감염병 등에서 통계적 및 물리적/하이브리드 시뮬레이터를 사용한 성공적인 적용 사례를 보인다.