Ngày càng nhiều, HIPAA không thể ngăn AI loại bỏ ẩn danh Dữ liệu bệnh nhân

Ngay cả sau khi các bệnh viện loại bỏ tên và mã zip, AI hiện đại vẫn có thể xác định được bệnh nhân là ai. Đây là tin tuyệt vời cho các công ty bảo hiểm; nhưng không phải là như vậy đối với những người nhận bảo hiểm y tế.

Nghiên cứu mới từ Đại học New York cho thấy rằng các ghi chú y tế của bệnh nhân ở Mỹ, sau khi loại bỏ tên và các nhận diện HIPAA, có thể暴露 bệnh nhân cho tái nhận diện. Bằng cách đào tạo mô hình ngôn ngữ AI trên một tập hợp lớn các hồ sơ bệnh nhân thực tế, không được kiểm duyệt, các chi tiết xác định danh tính vẫn còn – trong một số trường hợp cho phép khu vực lân cận của bệnh nhân được suy luận từ chẩn đoán alone.

Nghiên cứu mới này đặt rủi ro này trong bối cảnh của một thị trường béo bở trong dữ liệu sức khỏe được loại bỏ danh tính, nơi các bệnh viện và nhà môi giới dữ liệu thường bán hoặc cấp phép các ghi chú lâm sàng đã được làm sạch cho các công ty dược phẩm, bảo hiểm và nhà phát triển AI.

Các tác giả của nghiên cứu mới này thách thức ngay cả khái niệm ‘loại bỏ danh tính’, được thiết lập trong các bảo vệ bệnh nhân được thiết lập bởi HIPAA sau khi Thống đốc Massachusetts William Weld có dữ liệu y tế loại bỏ danh tính vào năm 1997:

‘[Ngay cả] dưới sự tuân thủ hoàn hảo của Safe Harbor, các ghi chú “loại bỏ danh tính” vẫn còn gắn liền với danh tính thông qua các mối tương quan mà xác nhận tính hữu ích lâm sàng của chúng. Sự mâu thuẫn là cấu trúc chứ không phải là kỹ thuật.’

Các nhà nghiên cứu cho rằng các khuôn khổ loại bỏ danh tính HIPAA hiện tại để lại hai cánh cửa sau cho ‘các cuộc tấn công liên kết’:…

Drilling Down

Một mô hình BERT-based đã được fine-tuned để dự đoán sáu thuộc tính từ các hồ sơ đã được loại bỏ danh tính, và, như giấy tờ lưu ý, vượt quá các đoán ngẫu nhiên với chỉ 1.000 ví dụ đào tạo. Giới tính sinh học được phục hồi với độ chính xác hơn 99,7%, và thậm chí các tín hiệu yếu hơn như tháng mà các ghi chú được thực hiện được dự đoán ở mức trên mức ngẫu nhiên.

Để mục đích thí nghiệm, những thuộc tính bị suy luận sau đó được sử dụng trong một cuộc tấn công liên kết chống lại cơ sở dữ liệu Langone, tạo ra một rủi ro tái nhận diện duy nhất tối đa là 0,34% – khoảng 37 lần cao hơn so với baseline đa số lớp đơn giản. Áp dụng cho dân số Mỹ, cuộc tấn công này alone sẽ loại bỏ danh tính 800.000 bệnh nhân.

Các tác giả khung vấn đề này như một ‘mâu thuẫn’, vì những gì còn lại trong các hồ sơ bệnh nhân đã được loại bỏ danh tính HIPAA là rõ ràng một cơ sở khả thi cho các cuộc tấn công loại bỏ danh tính:

‘[Hầu hết] rủi ro tái nhận diện xuất phát không từ Thông tin Bảo vệ Sức khỏe, mà từ nội dung không nhạy cảm và y tế mà chúng ta coi là an toàn để chia sẻ.’

…

Method

Để kiểm tra lý thuyết của họ, các tác giả đã phát triển một cuộc tấn công liên kết hai giai đoạn linkage attack sử dụng 222.949 ghi chú lâm sàng đã được xác định từ 170.283 bệnh nhân được điều trị tại NYU Langone, với tất cả các ghi chú partitioned theo bệnh nhân thành 80% đào tạo, 10% xác thực và 10% kiểm tra, để ngăn chặn ô nhiễm chéo.

Để đặt vấn đề vào bối cảnh, bộ sưu tập này lớn hơn 3,34 lần so với MIMIC-IV dataset, bộ sưu tập hồ sơ điện tử y tế công khai lớn nhất. Vì lý do bảo mật, bộ dữ liệu Langone sẽ không được cung cấp dưới bất kỳ hình thức nào, mặc dù người dùng có thể thử nghiệm với các nguyên tắc của dự án qua một kho lưu trữ GitHub tạo ra dữ liệu tổng hợp.

…

Risk Assessment

Rủi ro tái nhận diện sau đó được tính toán trong hai giai đoạn: đo lường how often thực tế bệnh nhân xuất hiện trong nhóm ngắn được đề xuất; và ước tính cơ hội chọn người đúng từ trong nhóm đó.

Bởi vì bước cuối cùng giả định rằng ai đó chỉ chọn một tên ngẫu nhiên từ các trận đấu có thể, số được báo cáo là một ước tính thận trọng, và một kẻ tấn công quyết tâm có thể làm tốt hơn.

Thí nghiệm giả định quyền truy cập vào toàn bộ dân số bệnh nhân trong cơ sở dữ liệu bên ngoài. Điều này phản ánh một kịch bản tồi tệ nhưng thực tế trong đó một tổ chức lớn hoặc nhà môi giới dữ liệu, với phạm vi bảo hiểm rộng của hồ sơ bệnh nhân, cố gắng liên kết, chứ không phải là một cá nhân hành động với thông tin hạn chế,进一步 củng cố bản chất của mối đe dọa mà các tác giả đang giải quyết trong công việc….

Results

Rủi ro được đo lường ở ba mức: tỷ lệ thành công tái nhận diện nhóm ghi lại how often thực tế bệnh nhân xuất hiện trong nhóm ngắn được đề xuất bởi mô hình; tái nhận diện cá nhân từ nhóm đo lường cơ hội chọn người đúng một khi nhóm đã được xác định; và xác suất tái nhận diện duy nhất nhân hai, cho ra khả năng tái nhận diện duy nhất của bệnh nhân từ các ghi chú đã được loại bỏ danh tính:…

Conclusion

Bởi vì ‘cửa hậu’ của loại này rõ ràng là có lợi nhất cho các tổ chức lớn, như các công ty bảo hiểm – những người sẽ sử dụng chúng một cách bí mật, và không có tiết lộ – một ‘khối pháp lý’ kiểu DCMA (trong đó hành động bảo vệ-circumvention bản thân nó bị cấm, bất kể công nghệ được sử dụng) là một cách tiếp cận không hiệu quả.

Điều này được biết rằng các công ty bảo hiểm muốn truy cập vào thông tin này, và rằng, trực tiếp hoặc thông qua sự kết nối với các nhà môi giới dữ liệu, họ có một mức độ truy cập đặc biệt vào hồ sơ y tế riêng; và công ty càng lớn, cơ sở dữ liệu khách hàng bản địa của họ càng lớn.

Do đó, nếu các hạn chế và biện pháp bảo vệ của HIPAA đang trở nên giống như một ‘thỏa thuận của quý ông’ hơn là một rào cản hiệu quả chống lại sự khai thác của các công ty, một cuộc xem xét có vẻ hợp lý.

* Sự chuyển đổi của tôi các trích dẫn nội tuyến của tác giả thành các liên kết.

Được xuất bản lần đầu vào thứ Tư, ngày 11 tháng 2 năm 2026