
Nature论文:医疗AI隐私审计漏掉患者个体层面的泄露
周三发表在Nature上的一篇论文指出,判别式医疗AI模型可被查询,以暴露某位患者的数据是否被用于训练。在个体层面,攻击成功率“近乎完美”。The Register报道了这项研究。

周三发表在Nature上的一篇论文指出,判别式医疗AI模型可被查询,以暴露某位患者的数据是否被用于训练。在个体层面,攻击成功率“近乎完美”。The Register报道了这项研究。

得克萨斯大学奥斯汀分校让82名年轻人连续数月佩戴腕式设备,发现体力活动会拉长REM潜伏期。这是迄今对运动、睡眠质量与心理健康之间联系最可靠的一次验证。

得克萨斯大学奥斯汀分校的一项研究用消费级可穿戴设备追踪了82名年轻人数月,发现身体活动会延长REM潜伏期,也就是入睡后进入REM睡眠所需的时间。这一结论来自该校发布的研究通报。

得克萨斯大学奥斯汀分校的研究让82名年轻人佩戴手腕追踪器,发现身体活动会延长REM潜伏期,即进入REM睡眠所需的时间。样本不大。这项发现恰逢睡眠研究方式发生更大、更复杂的转变。

德国研究人员证明,用于辅助诊断疾病的AI模型可以被查询,从而判断某位患者的数据是否曾出现在其训练集中。他们称,这种攻击在个体层面几乎百发百中。

用患者病历训练的医疗 AI 模型,可以被查询出谁在训练数据里。德国研究人员 6 月 24 日在《自然》发表论文,报告在单个患者层面达到了「近乎完美的攻击成功率」。

德国研究人员2026年6月24日在《自然》杂志报告,用于诊断的医疗AI模型可能被诱导泄露患者数据是否曾用于训练。与此同时,微软的一套系统声称诊断准确率达85.5%,高于医生。监管机构仍在追赶。

医疗诊断 AI 的上市速度快于监管机构的审查速度。近期三项研究指向核心问题:模型难以核查、难以保障安全,且难以量化。

德国研究团队6月24日在《自然》发表论文:用于辅助诊断的医学AI模型能以“近乎完美的攻击成功率”认出训练数据来自哪些人。他们指出,现有隐私审计标准没有在真正出问题的层面衡量这一风险。
得克萨斯大学奥斯汀分校的一项研究发表在《自然·科学报告》上。研究团队让82名年轻人佩戴普通Fitbit,追踪了数月,发现身体活动会延长REM潜伏期,也就是进入REM睡眠所需的时间。
蓝十字蓝盾协会分析显示,医院利用AI工具提交保险索赔,两年内导致医疗支出增加9.42亿美元。用于睡眠研究的全球可穿戴传感器,如今正成为费用争议的燃料。
医学诊断AI模型可能被诱导,泄露特定患者的数据是否曾用于训练。德国研究人员指出,目前对这类模型进行隐私审计的标准做法无法发现这一问题。
据得克萨斯大学奥斯汀分校发表在《自然·科学报告》上的研究,在家佩戴的睡眠追踪器能捕捉到过去仅在实验室中可见的睡眠结构变化。
相隔14个月发表的两项研究,指向医疗AI同一项任务的两端:一端是早期诊断,另一端是训练数据里患者的匿名性。