2026-09-19 · 来源：{'name': 'Unite AI p3', 'url': 'https://www.unite.ai/decades-old-anonymized-medical-data-may-cause-ai-misdiagnoses-now/'}
德英两国研究团队发现,几十年前匿名化的病历可能让训练后的AI系统依据过时的临床病史来诊治2026年的患者。
匿名化本应将患者身份从病历中剥离,但一个德英联合团队的最新研究表明,它并不能中和这些病历所承载的临床权重。根据这项德英合作研究,被吸收进医疗数据集的匿名化患者记录——哪怕是几十年前录入的——可能导致基于其训练的AI系统在多年之后依然能够识别出真实患者的特征。
由此带来的实际后果,是诊断模型内部的时间错位。一个调用了2012年首次录入记录的模型,实际上可能把2026年前来就诊的患者当作仍身处2012年来处理,把那一年的医疗语境套用到今日的病例之上。该研究举例称,一名20年前被记录为正在接受癌症治疗的患者——正是这类历史条目,可能在治疗本身早已成为往事之后,仍持续左右训练后的系统对这位患者诊疗的解读。
对于临床AI的开发者和部署方而言,这一发现将数据集治理重新定义为一种长期负债,而非一次性的合规动作。早年采集的记录依然深埋于训练语料之中,研究警告称,匿名化未必能阻止训练后的模型在多年之后把这些记录与可识别的患者特征重新挂上钩。
这一德英合作研究把问题定性为结构性而非偶发性:任何匿名化记录实际上都保留着一个时间戳——即它进入数据集的年份——而训练后的系统可能把当下的推理往那个时间点回拉。其含义在于,数据集的年龄与来源和数据规模同样重要;医疗数据集与其说是一件静态资产,不如说是一座不断累积的档案库,几十年前的陈年条目随时可能重新浮出水面,塑造当前的诊断结果。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅