ヘルスケアのための安全で堅牢な機械学習：調査

近年、心停止の予測から1次元心臓シグナルからコンピューター支援診断までのさまざまなヘルスケアアプリケーションの優れたパフォーマンスにより、機械学習（ML）/ディープラーニング（DL）技術の広範な採用が目撃されています（CADX）多次元医療画像の使用。ML/DLの印象的なパフォーマンスにもかかわらず、特に最近の結果に照らして、ヘルスケアの設定におけるML/DLの堅牢性（伝統的に非常に挑戦的であると考えられています）には、特に最近の結果に照らして、まだ疑問があります。ML/DLは敵対的な攻撃に対して脆弱であることが示されています。この論文では、セキュリティとプライバシーの観点からこのような手法を活用し、現在の関連する課題から、ヘルスケアのさまざまなアプリケーション分野の概要を説明します。さらに、ヘルスケアアプリケーションに安全でプライバシーを提供するMLを確保するための潜在的な方法を提示します。最後に、将来の研究のための現在の研究の課題と有望な方向性についての洞察を提供します。

Recent years have witnessed widespread adoption of machine learning (ML)/deep learning (DL) techniques due to their superior performance for a variety of healthcare applications ranging from the prediction of cardiac arrest from one-dimensional heart signals to computer-aided diagnosis (CADx) using multi-dimensional medical images. Notwithstanding the impressive performance of ML/DL, there are still lingering doubts regarding the robustness of ML/DL in healthcare settings (which is traditionally considered quite challenging due to the myriad security and privacy issues involved), especially in light of recent results that have shown that ML/DL are vulnerable to adversarial attacks. In this paper, we present an overview of various application areas in healthcare that leverage such techniques from security and privacy point of view and present associated challenges. In addition, we present potential methods to ensure secure and privacy-preserving ML for healthcare applications. Finally, we provide insight into the current research challenges and promising directions for future research.