医疗AI隐私风险自动筛查工具

论文提出可在正式训练前筛查高隐私风险患者的轻量工具。

资讯摘要

论文指出，医疗AI模型常在不公开训练数据的情况下共享，但成员推断攻击仍可暴露患者记录是否被用于训练，且风险通常以队列平均值报告，可能掩盖个体患者的高暴露风险。作者在四个模态、六个临床数据集上训练7,789个模型，测量每位患者的脆弱性，发现训练配置会改变高风险患者数量，但高风险患者排名基本稳定；更强权重衰减可将暴露队列最多缩小三倍。据此，作者开发了用四个小模型在正式训练前识别高风险患者的轻量筛查工具。

要点速读

1. 研究覆盖四个模态、六个临床数据集，共训练7,789个模型，包括两个适配的预训练医疗模型。
2. 训练选择会改变高风险患者数量，但风险最高的患者在不同配置下大体保持稳定。
3. 更强权重衰减可将暴露队列最多缩小三倍，作者据此提出用四个小模型做训练前筛查的轻量工具。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。