【ポイント】
- 医療現場の課題解決を目指し、データサイエンス（高機能暗号）と医学（画像診断）の異分野融合研究を開始
- NICT・立命館大学が高機能暗号技術を応用し、連合学習技術の個人情報の保護とセキュリティの機能を強化
- 信州大学・滋賀医科大学・金沢大学・三重大学が放射線画像診断支援AIの実現を目指し臨床研究を実施
国立研究開発法人情報通信研究機構（NICT，理事長：徳田 英幸）は、サイバーセキュリティ研究所セキュリティ基盤研究室において開発したプライバシー保護連合学習技術「DeepProtect」（※1）を用いて、AIを活用した放射線画像診断業務の効率化・高度化を目指し、立命館大学（学長：仲谷 善雄）、信州大学（学長：中村 宗一郎）、滋賀医科大学（学長：上本 伸二）、金沢大学（学長：和田 隆志）及び三重大学（学長：伊藤 正明）と共に、国立研究開発法人科学技術振興機構（JST）のKプログラム「セキュアなデータ流通を支える暗号関連技術（高機能暗号）」に、研究課題「高機能暗号を活用した連合学習技術の高度化と医療データへの応用」を共同提案し、採択されました。
これにより、高機能暗号技術（※2）と連合学習技術に強みを持つNICT及び立命館大学が、医療向けにDeepProtectの個人情報の保護とセキュリティの機能を強化し、豊富な症例とデータを有する信州大学、滋賀医科大学、金沢大学及び三重大学は、DeepProtectを用いて放射線画像診断支援AIを研究開発する異分野融合型の共同研究を開始します（図1参照）。
図1：放射線画像診断支援AIの実証実験のイメージ
【用語解説】
※1 プライバシー保護連合学習技術「DeepProtect」
連合学習技術に暗号技術を融合することによって、NICTが独自に開発したプライバシー保護連合学習技術のこと。まず、各組織で持つデータを基に深層学習を行う際に、学習中のパラメータ（勾配情報）を暗号化して中央サーバに送り、中央サーバでは、暗号化したまま学習モデルのパラメータ（重み）の更新を行う。次に、更新されたこの学習モデルのパラメータを各組織においてダウンロードすることで、より精度の高い分析が可能になる。
DeepProtectは、各組織から中央サーバにデータそのものを送ることなく、学習中のパラメータのみを暗号化して送信するが、このパラメータは、複数のデータを集計した統計情報とすることによって個人を識別できない状態にすることが可能であり、さらに、暗号化を施すため、データの外部への漏えいを防ぐことができる。
本技術により、パーソナルデータのような機密性の高いデータを外部に開示することなく、複数組織で連携して多くのデータを基にした深層学習が可能となる。
本技術は、下記ジャーナルに採択・掲載されている。
L. T. Phong, Y. Aono, T. Hayashi, L. Wang, and S. Moriai, “Privacy-Preserving Deep Learning via Additively Homomorphic Encryption”, IEEE Transactions on Information Forensics and Security, Vol.13, No.5, pp.1333-1345, 2018.
L. T. Phong and T. T. Phuong, “Privacy-Preserving Deep Learning via Weight Transmission”, IEEE Transactions on Information Forensics and Security, Vol.14, No.11, pp 3003-3015, 2019.
※2 高機能暗号技術
従来の暗号技術に対して、機能が追加・向上される等の優位性を主張する暗号技術及び従来の暗号技術では困難であった事象を解決できる等の新規機能を有することを主張する暗号技術のこと。近年、従来の守秘、認証、署名の機能だけではなく、様々な機能を持つ「高機能暗号」（Advanced Cryptography）の研究開発が進んでおり、学会等で提案されている。高機能暗号は日本が強みを持つ分野であり、日本での研究開発が盛んで、日本発の高機能暗号が、多くの著名な国際会議で発表されている。また、ISO/IEC等において標準化が進められている高機能暗号技術もある。
研究者情報：小林 聡
関連情報
金沢大学 大学院 医薬保健学総合研究科 内科系医学領域 放射線科学
PAGE TOP