[논문 리뷰] Report of the Medical Image De-Identification (MIDI) Task Group -- Best Practices and Recommendations

David Clunie, Adam E. Flanders외 17명|PubMed|2023. 03. 18.

Digital Radiography and Breast Imaging참고 문헌 236인용 수 12

한 줄 요약

이 보고서는 무제한 공개 공유를 가능하게 하면서 재식별 위험을 최소화하기 위해 의료 영상(DICOM 데이터 및 관련 객체 포함)을 기술적으로 비식별화하는 모범 사례를 개요하고 범위와 한계를 명확히 한다.

ABSTRACT

This report addresses the technical aspects of de-identification of medical images of human subjects and biospecimens, such that re-identification risk of ethical, moral, and legal concern is sufficiently reduced to allow unrestricted public sharing for any purpose, regardless of the jurisdiction of the source and distribution sites. All medical images, regardless of the mode of acquisition, are considered, though the primary emphasis is on those with accompanying data elements, especially those encoded in formats in which the data elements are embedded, particularly Digital Imaging and Communications in Medicine (DICOM). These images include image-like objects such as Segmentations, Parametric Maps, and Radiotherapy (RT) Dose objects. The scope also includes related non-image objects, such as RT Structure Sets, Plans and Dose Volume Histograms, Structured Reports, and Presentation States. Only de-identification of publicly released data is considered, and alternative approaches to privacy preservation, such as federated learning for artificial intelligence (AI) model development, are out of scope, as are issues of privacy leakage from AI model sharing. Only technical issues of public sharing are addressed.

연구 동기 및 목표

• 의료 영상의 재식별 위험 감소를 촉진하여 의료 영상의 무제한 공개 공유를 가능하게 한다.
• 특히 내장된 DICOM 데이터를 포함한 의료 영상 및 관련 데이터 요소의 범위를 정의하고 제외사항을 주의 표기하면서.
• 공개 릴리스를 위한 비식별 기술의 모범 사례와 권고를 개요한다.
• 다루지 않는 항목(예: 연합학습, AI 모델에서의 프라이버시 누출)을 명확히 하고 공개 공유의 기술적 이슈에 집중한다.
• MIDI 호환 비식별화를 배치하는 실무자를 위한 포괄적 기술 참조를 제공한다.

제안 방법

• 의료 영상 및 관련 데이터 요소의 비식별화에 대한 기술적 측면을 강조한다.
• Segmentations, Parametric Maps, RT Dose 객체 등 이미지와 이미지 유사 객체 및 Structure Sets, Plans, Dose Volume Histograms, Structured Reports, Presentation States 등과 같은 관련 비이미지 객체를 고려한다.
• 범위가 공개적으로 릴리스된 데이터에 한정되며 연합학습이나 AI 모델 프라이버시 누출과 같은 접근법은 제외된다고 명시한다.
• 수용 가능한 비식별 위험을 달성하기 위한 실용적인 지침으로 모범 사례와 권고를 제시한다.
• 형식 및 내장 데이터 요소를 다루며 특히 DICOM에 주의를 기울인다.
• 획득 모드와 데이터 임베드 전반에 걸친 기술 절차의 표준화를 목표로 한다.

실험 결과

연구 질문

• RQ1 의료 영상 및 관련 데이터의 안전한 공개 공유를 위한 충분한 비식별 위험 감소는 무엇인가?
• RQ2 유용성을 해치지 않으면서 DICOM 및 관련 객체의 내장 데이터 요소를 어떻게 비식별화해야 하는가?
• RQ3 공개 릴리스에 대한 MIDI 범위의 경계는 무엇이며 다른 개인 정보 보호 접근 방식과의 차이는 무엇인가?
• RQ4 다양한 모달리티 및 데이터 유형에 걸쳐 MIDI를 표준화하기 위해 실무자에게 어떤 모범 사례를 권고할 수 있는가?

주요 결과

• 본 보고서는 의료 영상 및 동반 데이터의 비식별화에 필요한 기술적 측면에 초점을 맞춘다.
• DICOM 내의 내장 데이터 요소와 관련 이미지 유사 객체 및 비이미지 객체를 강조한다.
• 공개적으로 공개된 데이터에 대한 범위를 명확히 하고 연합학습이나 AI 모델 프라이버시 누출과 같은 프라이버시 보호 접근은 제외한다.
• 안전한 공개 공유를 위한 기술적 MIDI 구현에 대한 모범 사례와 권고를 제공한다.
• 원시 이미지를 넘어서 이미지 유사 객체 및 Presentation States를 포함한 광범위한 데이터 유형을 다룬다.
• 다양한 수집 모드에서 MIDI에 대한 포괄적인 기술 참조 역할을 한다.