En metod för dataskydd för prediktionsmodeller för infektionssjukdomar med balanserad träningshastighet och noggrannhet

Varför skydd av hälsodata fortfarande är viktigt

Sjukhus och hälsoorganisationer förlitar sig nu på artificiell intelligens för att förutse utbrott av influensa, COVID-19 och andra infektioner dagar eller veckor i förväg. Dessa prognoser kan styra vaccinationskampanjer, bemanning och beredskapsplanering. Samtidigt är de detaljerade patientjournaler som gör prognoserna träffsäkra också mycket känsliga. Lagar och allmän oro förhindrar ofta att data slås ihop över institutioner, vilket försvagar modellernas styrka. Denna artikel introducerar ett sätt att träna högkvalitativa prediktionssystem för infektionssjukdomar samtidigt som varje sjukhus data förblir säkert låst på plats.

Lära av många sjukhus utan att dela journaler

Författarna bygger vidare på en teknik kallad federated learning, där flera sjukhus gemensamt tränar en delad prediktionsmodell. Istället för att kopiera råa patientuppgifter till en central server tränar varje plats modellen lokalt och skickar endast numeriska uppdateringar av modellens interna parametrar tillbaka. En central server kombinerar dessa uppdateringar och skickar tillbaka den förbättrade modellen. Denna loop upprepas många gånger. I teorin skyddar federated learning integriteten eftersom personuppgifter aldrig lämnar byggnaden. I praktiken kan dock listiga angripare ibland dra slutsatser om underliggande data från de delade uppdateringarna, så extra skydd krävs.

Låsa siffrorna med smart kryptering

För att stärka säkerheten använder teamet homomorfisk kryptering—en form av digitalt lås som tillåter beräkningar att utföras direkt på krypterade tal, utan att de någonsin ses i klartext. Traditionella scheman av denna typ är mycket säkra men beryktade för att vara långsamma och dataintensiva, vilket gör dem svåra att använda med stora, komplexa modeller som de baserade på Long Short-Term Memory (LSTM)-nätverk. Forskarna utformar ett hybridupplägg som behandlar olika delar av modellen olika. De mest avslöjande komponenterna skyddas med en stark men tung krypteringsform, medan mindre känsliga delar använder ett lättare, snabbare lås. Utöver detta bestämmer ett förplanerat slumpmässigt schema i vilka träningsomgångar platser faktiskt skickar krypterade uppdateringar, vilket gör att de kan hoppa över redundant kommunikation. Tester visar att denna kombination påskyndar träningen med cirka 25 procent jämfört med att använda den tunga krypteringen överallt, samtidigt som data förblir skyddade under starka kryptografiska antaganden.

Skicka bara de uppdateringar som verkligen betyder något

Även med smartare låsande slösar det tid och nätverksbandbredd att skicka varje liten förändring i modellen fram och tillbaka mellan institutioner. Författarna föreslår därför en ny träningsregel kallad Data Selection–Distributed Selection Stochastic Gradient Descent (DS-DSSGD). Under träningen mäter algoritmen hur mycket varje del av modellen förändras från ett steg till nästa. Endast uppdateringar som passerar en förinställd tröskel skickas; små, låg-påverkande förändringar ignoreras helt enkelt. Samtidigt spårar algoritmen vilka datapunkter som orsakar de största, mest informativa förändringarna. Dessa inflytelserika poster samlas i en förfinad dataset som används för en sista träningsomgång. Experiment på tre års verkliga infektionrapporter från Yichang City, kombinerat med lokala webbsökningstrender, visar att DS-DSSGD minskar träningstiden med ungefär 10 procent jämfört med flera standardmetoder, utan någon meningsfull förlust i prediktiv noggrannhet.

En praktisk plattform för säker samverkan

Tekniska framsteg betyder bara något om sjukhus och laboratorier verkligen kan använda dem. För att överbrygga detta gap integrerar teamet sina metoder i en verklig datormiljö kallad Yi Shu Fang XDP Privacy Security Computing Platform. XDP hanterar hela resan för hälsodata, från insamling och rengöring till krypterad analys och delning av resultat. Den stöder välbekanta verktyg som används av statistiker, bioinformatiker och kliniker, och tillåter forskare från olika institutioner att samarbeta inom en kontrollerad arbetsyta utan att någonsin ladda ner rådata. Inom denna plattform körs hybridkrypteringsschemat och DS-DSSGD-algoritmen som plug-in-komponenter, vilket förvandlar den teoretiska ramen till ett fungerande system.

Vad detta betyder för framtida utbrottsprognoser

I vardagliga termer visar denna studie att det är möjligt att "ha det på båda sätten" för prognoser av infektionssjukdomar: skydda patienternas integritet samtidigt som man tränar snabba, noggranna modeller på data från många institutioner. Genom att kryptera olika delar av modellen med precis rätt styrkenivå, bara skicka uppdateringar när det behövs och omsluta allt i en säker samarbetsplattform, minskar författarna kostnaden för sekretess från en förkrossande börda till en hanterbar överhyra. Om sådana metoder antas i stor skala kan de tillåta sjukhus och folkhälsomyndigheter att förena sina kunskaper mot nästa epidemi utan att någonsin exponera individuella medicinska journaler.

Citering: Wang, X., Jiang, Y., Pan, G. et al. A data privacy protection method for infectious disease prediction models with balanced training speed and accuracy. Sci Rep 16, 7415 (2026). https://doi.org/10.1038/s41598-026-38906-9

Nyckelord: prognoser för infektionssjukdomar, hälsodata integritet, federated learning, homomorfisk kryptering, djuplärande