一项研究发明，那些孝敬自身数据用在医疗人工智能（AI）模子练习的小我私家，可能面对于收集进犯中被辨认的危害。此外，代表性不足群面子临的数据泄露危害也可能更高。研究职员指出，当前的危害评估并没有将这些群体纳入考量，他们呼吁采纳进一步的危害减缓办法并实行严酷的拜候节制。相干研究结果6月24日发表在《天然》。

医疗AI模子有望改善全世界康健状态，尤其是于缺少专业人材的地域。然而，用在练习这些模子的敏感数据可能面对隐私进犯。进犯者使用“成员推理进犯”（MIA）来确定小我私家的数据是否被用在练习模子。经由过程此类进犯，可以揣度出患者的医疗数据及私家信息。此前关在数据危害的研究重要基在整个数据集，并未思量个别危害。

于这项研究中，德国慕尼黑工业年夜学的Moritz Knolle及同事开展了一项隐私审查，重点存眷了小我私家隐私危害，成果发明医疗AI模子可能对于小我私家数据孝敬者组成隐私危害。

研究职员使用7个由真实临床数据（包括医学影像、心电图及电子康健记载）构成的年夜型数据集，确定了孝敬数据的患者中最为懦弱的群体。他们发明，于小我私家层面，MIA针对于的方针险些毫无过失地被乐成辨认出来。于群体层面，于数据集中被辨认为代表性不足的群体包括稀有病患者、少数族裔或者社会经济职位地方较低的人群。跟着被AI模子编码的怪异数据增多，研究职员发明，这些群体及小我私家变患上越发懦弱，且面对不可比例的隐私进犯危害。他们还有发明，MIA进犯的乐成率会跟着模子容量及范围的增长而上升。

这些发明注解，诸如MIA之类的隐私进犯于个别层面的精准冲击效果，比今朝遍及认为的更为显著。研究职员总结称，隐私危害评估必需将个别危害纳入考量，并对于易受进犯的模子提供进一步掩护。

相干论文信息：https://doi.org/10.1038/s41586-026-10688-0