数据最小化
Parent: ai_keywords
数据最小化
核心定义
数据最小化（Data Minimization）是隐私保护与数据伦理的核心原则，要求数据收集、处理与存储仅保留实现特定目的所必需的最小数据量，超过此范围的数据应在最短时限内删除或匿名化。在人工智能与临床医学交叉领域中，该原则既是对患者隐私权的尊重，也是降低模型隐私泄露风险、满足法规（如《个人信息保护法》、GDPR）的关键技术约束。
关键技术点
-
差分隐私（Differential Privacy）：通过向训练数据或模型输出中添加经校准的随机噪声，使得单个个体数据对最终模型的影响被淹没在统计噪声中，从而在模型可用性与个体隐私保护之间取得平衡。典型实现包括DP-SGD（差分隐私随机梯度下降）。
-
联邦学习（Federated Learning）：使各医疗机构的本地数据不出域，仅交换模型参数或梯度更新，中央服务器聚合全局模型，从根本上避免了原始数据集中存储与传输，本质上是“数据不动模型动”的最小化架构。
-
可遗忘学习（Machine Unlearning）：允许模型在不从头重训的前提下，高效删除特定患者数据的影响。这对于患者撤销知情同意或数据过期场景下的“权利最小化”至关重要，避免了保留非必要数据的历史痕迹。
-
特征选择与稀疏化（Feature Selection & Sparsification）：在模型预处理阶段，通过统计显著性检验或LASSO正则化等方法筛选与疾病诊断高度相关的少数生物标志物（如特定脑区MRI体积），丢弃冗余特征，实现输入层面的数据最小化。
医学/神经科学应用场景
首都医科大学神经病学研究所 在阿尔茨海默病（AD）早期诊断多中心研究中，采用“联邦学习+差分隐私+梯度稀疏化”的复合数据最小化策略。来自宣武医院、天坛医院等机构的AD患者脑结构MRI及认知量表数据，通过联邦框架实现本地训练，仅上传稀疏化后的梯度（保留与海马体积、内嗅皮层厚度最相关的前5%梯度参数），并添加ε=1的拉普拉斯噪声。实验表明，在AUC仅下降0.7%的前提下，成功将单次通信数据量压缩至原始梯度的5%，且经差分隐私审计验证无法从梯度反推个体患者的海马亚区解剖细节。这一方案确保了跨机构数据共享的隐私合规性，同时为大规模AD早期预警模型构建提供了可行路径。
