1차년도: 고품질 암환자의 다차원적 원시자료 (original data)의 확보- 대장암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증- 폐암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증2차년도: 합성 의료 데이터의 유효성 및 활용성 검증- 임상 시나리오1 (합성 의료데이터 기반 결측된 임상정보 대체 임퓨테이션)의 임상적 유효성 검증- 임상 시나리오2 (합성 의료데이터 기반 항종양 치료법 예측 모델)의 임상적 활용성 검증3차년도: 종양환자 전주기 모델 기반 치료 및 follow-up 전략 개발- 임상 시나리오3 (합성 의료데이터 기반 암환자 생존 예후 예측 모델)의 임상적 유효성 검증- 임상 시나리오4 (합성 의료데이터 기반 영상판독문의 natural language processing)의 임상적 활용성 검증

□ 각 의료데이터의 종류 및 특징에 따른 적합한 심층생성모델(Deep Generative Model) 개발 ○ 결측된 임상정보 학습을 통한 결측 데이터 합성 - 의료데이터의 다차원적 특성을 고려한 의료데이터의 유형 및 특징에 따른 적합한 모델 사용(GAN, RNN 등 Machine/Deep Learning 기반 모델, 또는 Statistics 기반 모델) - 생성 규모 : 원 의료데이터와 동일(5만건 이상) ○ VAE(Variational Autoencoder) 기반 모델을 통한 추가 합성 데이터 생성 - 생성 규모 : 원 의료데이터의 3배 규모(15만건 이상) - 특정 타겟 정보만을 반영할 수 있는 VAE 기반 모델의 특성을 활용해 희귀질환 데이터 선택적으로 추가 생성 (생성 규모 : 희귀질환 비율에 따른 적합한 규모로서 3만건 이상)□ 원시 자료(original raw data)와의 유사도 평가를 통한 합성 의료데이터 생성기술 검증 ○ 정량적 합성 의료데이터 생성기술 검증 - Distance 기반 유사성 평가 지표(Mean Squared Error, Mean Absolute Error, Mean Relative Error)를 통한 합성 데이터 생성기술 검증 - Distribution 기반 유사성 평가 지표(Kullback-Leibler Divergence, Jensen-Shannon Divergence)를 통한 합성 데이터 확률분포 검증 - 원시 자료(original raw data) 및 합성 의료데이터에 존재하는 이상치(outlier) 검토를 통해 유사도 평가 지표 보정. 이로 인해 이상치(outlier)에 더욱 강건(robust)하고 다양성을 가지도록 합성 의료데이터 생성기술 보완 ○ 정성적 합성 의료데이터 생성기술 검증 - Expert Knowledge 기반 실제 의료데이터와 합성 의료데이터 간의 유사도 제시 - 해당 분야 숙련된 전문가들을 통해 생성된 합성 의료데이터의 정성적 유사도 평가 시행. 해당 평가의 신뢰도 확보를 위해 평가자들 간의 일치율 측정 지표 (Kappa Coefficient) 활용□ 임상 시나리오 목표 달성을 위한 실제 의료 AI 모델 적용 및 동등성, 우월성 검증 ○ 각 임상 시나리오 목표 달성을 위해 적합한 실제 의료 AI 모델 검토 및 개발 - 예후 예측 모델 (분류/회귀), 타겟 검출 모델, 등 ○ 합성 의료데이터를 활용한 실제 의료 AI 모델 성능 동등성 및 우월성 검증 - 원시 의료데이터(original raw data) 및 합성 의료데이터의 조합을 통해 실제 의료 AI 모델 적용 시 성능 비교. 해당 성능 비교를 통해 합성 의료데이터의 유효성 및 활용성 검증

상기 기술한 최종 연구 목표 및 연차별 연구목표의 달성을 위해 다음과 같은 내용의 연구를 수행함○ 1차년도: 의료데이터 분석 Deep Learning 모델을 대상으로 한 데이터 프라이버시 침해 유발 공격 기법 분석- Deep Learning 모델 프라이버시 침해 공격 분석 ∙Deep Learning 모델 데이터 프라이버시 침해 공격 기법 분석(Model Inversion 공격, Membership Inference 공격) ∙Deep Learning 모델 데이터 프라이버시 침해 정도 평가 환경 구축- Multi-Party Deep Learning 환경 위험 요소 분석 ∙Multi-Party Deep Learning을 위한 구성 요소 정의 ∙Multi-Party Deep Learning 환경에서의 프라이버시 침해 공격 시나리오 정의- 정형, 비정형 의료데이터의 특성 분석 및 치과용 파노라마 및 EMR 데이터 수집 ∙환자군의 수 및 제외기준 설정 ∙부산대학교 및 연세대학교 의료원 IRB 심의 추진 및 획득 ∙연세대학교의료원 의료자산 활용위원회에 심의 신청 및 획득 ∙개인 정보 및 이미지, EMR 데이터 획득○ 2차년도: Model Inversion 공격 방어를 위한 Differential Privacy(DP) 기반 정형∙비정형(이미지) 데이터 변형 기법 연구 ∙정형 데이터 프라이버시 보호를 위한 DP기반 데이터 변형 기법 연구 ∙Statistics 기반 XAI를 활용한 Attribute 중요도 분석 기법 연구 ∙Attribute 중요도를 고려한 Attribute-wise Noise Sensitivity 최적화 방안 연구- 비정형(이미지) 데이터 프라이버시 보호를 위한 DP 기반 데이터 변형 기법 연구 ∙Perturbation 기반 XAI를 활용한 Pixel 중요도 분석 기법 연구 ∙Pixel 중요도를 고려한 Pixel-wise Noise Sensitivity 최적화 방안 연구 ∙중요 Pixel 분포를 고려한 Noise 생성 Mechanism 최적화 연구- 치과용 파노라마 데이터 수집, 변환 및 치아 보철물 분석 모델 개발 ∙파노라마 이미지 및 EMR 의료기록 획득 및 변환 ∙파노라마 Annotation 수행 ∙파노라마 이미지 데이터 분석 모델 개발○ 3차년도: Membership Inference 공격 방어를 위한 Differential Privacy 기반 Multi-Party Deep Learning(DL) 모델 변형 기법 연구- DP 기반 Deep Learning 모델 변형 기법 연구 ∙Back-propagation 기반 XAI를 활용한 활성화 Weight 중요도 분석 기법 연구 ∙Layer별 활성화 Weight 중요도를 고려한 Layer-wise Noise Sensitivity 최적화 방안 연구- 파노라마 이미지 분석을 위해 DP 기반 데이터 및 모델 변형 기법이 적용 Multi-Party Deep Learning 모델 개발 ∙Differential Privacy 기반 데이터 및 모델 변형 기법 라이브러리화 ∙파노라마 이미지 분석을 위한 DP 적용 Deep Learning 모델 개발- 의료 기록을 활용한 DP 기반 Deep Learning 모델 성능 실증 ∙Membership Inference Attack을 통한 환자 개인정보 유출 방어율 평가 ∙Model Inversion Attack을 통한 파노라마 이미지 복원 공격 방어율 평가

[1단계 개발내용]ㅇ 비정형 의료데이터 수집 및 가공: 다수 의료기관으로부터 비정형 의료데이터를 수집하고, 데이터 전처리(비식별화, 레이블링 포함) 및 품질 관리 수행.ㅇ 합성 데이터 생성 기술 개발: 생성형 AI 기반 비정형 의료데이터 합성 기술과 합성 데이터 품질 평가 지표 및 평가 프로토콜을 개발하고, 공인인증 시험성적을 획득한 고품질의 합성 데이터셋 구축ㅇ 온디바이스 AI 기술 개발: 딥러닝 프레임워크의 온디바이스 컴파일링 기술개발 및 온디바이스 모듈의 안전성, 성능, 신뢰성 평가 방법론 정립.ㅇ 초기 디지털의료제품 프로토타입 개발: 구축된 합성 데이터를 활용하여 4종의 온디바이스 AI가 적용된 디지털 의료 시스템의 초기 시제품을 설계하고, 경량화된 인공지능 모델의 제품 적용을 위한 핵심 성능 확보

① 동형암호 기반 Privacy-Preserving Deep Learning 기술: 동형암호를 통해 암호화된 DICOM 데이터를 복호화 하지 않고 비식별화 된 상태로 분석하는 기술을 제공 - 동형암호 성능 개선: ● 동형암호 성능 개선을 위한 연산 최적화 및 구조개선 연구 ● 동형암호 고속 연산을 위한 병렬 처리 기법 - 동형암호 기반 Privacy-Preserving Deep Learning 알고리즘 연구 ● 동형암호 적용을 위한 Deep Learning 연산 최적화 및 학습 구조 재설계 ● 동형암호 기반의 PPDL 프로토타입 모델 구현② 의료데이터 보안 플랫폼: 의료 빅데이터를 위한 인증, 접근 제어, 신뢰/비신뢰 구간에 따른 동적 키관리, 네트워크 보안, 양자내성 암호화 등의 보안 기능 제공구현 - 의료데이터 보안 기반 기술 개발 ● 네트워크 통신 보안 기술 설계 및 개발 ● 사용자 인증 및 접근제어 기법 설계 및 개발 ● 이종 데이터 무결성 및 기밀성 유지를 위한 데이터베이스 보안 기법 설계 및 개발 ● 신뢰/비신뢰 구간 별 키 관리 기법 설계 및 개발 ● 가명처리 및 총계처리 기반의 의료데이터 비식별화 기술 개발 - 의료데이터 분석 플랫폼 연동 핵심 기술 개발 ● 의료데이터 분석 플랫폼 보안 서비스 제공을 위한 라이브러리 및 API 개발 ● 의료데이터 보안 플랫폼 개발 ● 의료데이터 분석 보안 플랫폼 성능 검증 ● PPDL-FHE 기술 개발 ● PPDL-FHE S/W 구현③ 의료 빅데이터 응용서비스: 무치악 환자의 의치 제작에 필요한 보건 의료 정보(안모 사진)를 활용하여 의치(denture) 시술 경과를 예측 및 시각화해 실증에 활용하는 응용서비스 제공 - 의치 시술 경과 예측 모델 개발 ● DICOM 헤더 메타데이터의 선택적 암호화/ 익명화 구현 ● 의치 시술 전/후 데이터를 활용한 안모 예측 GAN(Generative Adversarial Network) 모델 구현 - 의치 시술 응용서비스 실증 ● 의치 시술 경과 응용 서비스 및 데이터를 활용한 PPDL-FHE 기술 실증 ●의치 시술 경과 시뮬레이션 성능 개선

□ 국내·외 블록체인 기반 의료데이터 유통 플랫폼 동향 조사 ○ 메디블록, 티플러스 등 국내에서 의료데이터 블록체인 기술과 접목하는 사업에 대한 동향 조사□ 의료데이터 교류체계에 대한 국내·외 동향 조사 ○ 국내·외 상호운용성을 보장하기 위해 개발된 의료정보시스템에 대한 동향 조사 ○ 무결성이 보장되는 수준을 측정하기 위해 Federated Compliance를 정의□ 의료데이터 교류체계 무결성 확보에 적합한 위험관리모델 개발 ○ 본 연구에서 활용할 위험관리 모델(FAIR방법론, NIST SP 800-30 등) 연구□ 위험관리모델을 바탕으로 의사결정 모델 구축 ○ 의사결정 로그를 수집하여 머신러닝으로 군집화를 시켜 위험도를 산출 ○ 머신러닝 결과값을 기반으로 위험도를 산출 및 시각화 ○ 최종 위험도 산출값의 실증적 유효값 검증 □ 의사결정 모델이 적용된 역동적 동의체계 플랫폼 개발 및 테스트베드 구축 ○ 모의환자의 개인정보 및 의료데이터 비식별화 방안 연구 ○ 연구용 모의환자의 의료데이터(동의정보) 플랫폼 적합성 검사 ○ 안암병원의 전산시스템과 호환 가능한 의사결정 모델 개발 ○ 의사결정 모델이 적용된 역동적 동의체계 플랫폼 테스트베드 구축

□ 국내·외 블록체인 기반 의료데이터 유통 플랫폼 동향 조사 ○ 메디블록, 티플러스 등 국내에서 의료데이터 블록체인 기술과 접목하는 사업에 대한 동향 조사□ 의료데이터 교류체계에 대한 국내·외 동향 조사 ○ 국내·외 상호운용성을 보장하기 위해 개발된 의료정보시스템에 대한 동향 조사 ○ 무결성이 보장되는 수준을 측정하기 위해 Federated Compliance를 정의□ 의료데이터 교류체계 무결성 확보에 적합한 위험관리모델 개발 ○ 본 연구에서 활용할 위험관리 모델(FAIR방법론, NIST SP 800-30 등) 연구□ 위험관리모델을 바탕으로 의사결정 모델 구축 ○ 의사결정 로그를 수집하여 머신러닝으로 군집화를 시켜 위험도를 산출 ○ 머신러닝 결과값을 기반으로 위험도를 산출 및 시각화 ○ 최종 위험도 산출값의 실증적 유효값 검증 □ 의사결정 모델이 적용된 역동적 동의체계 플랫폼 개발 및 테스트베드 구축 ○ 모의환자의 개인정보 및 의료데이터 비식별화 방안 연구 ○ 연구용 모의환자의 의료데이터(동의정보) 플랫폼 적합성 검사 ○ 안암병원의 전산시스템과 호환 가능한 의사결정 모델 개발 ○ 의사결정 모델이 적용된 역동적 동의체계 플랫폼 테스트베드 구축

① 동형암호 기반 Privacy-Preserving Deep Learning 기술: 동형암호를 통해 암호화된 DICOM 데이터를 복호화 하지 않고 비식별화 된 상태로 분석하는 기술을 제공 - 동형암호 성능 개선: ● 동형암호 성능 개선을 위한 연산 최적화 및 구조개선 연구 ● 동형암호 고속 연산을 위한 병렬 처리 기법 - 동형암호 기반 Privacy-Preserving Deep Learning 알고리즘 연구 ● 동형암호 적용을 위한 Deep Learning 연산 최적화 및 학습 구조 재설계 ● 동형암호 기반의 PPDL 프로토타입 모델 구현② 의료데이터 보안 플랫폼: 의료 빅데이터를 위한 인증, 접근 제어, 신뢰/비신뢰 구간에 따른 동적 키관리, 네트워크 보안, 양자내성 암호화 등의 보안 기능 제공구현 - 의료데이터 보안 기반 기술 개발 ● 네트워크 통신 보안 기술 설계 및 개발 ● 사용자 인증 및 접근제어 기법 설계 및 개발 ● 이종 데이터 무결성 및 기밀성 유지를 위한 데이터베이스 보안 기법 설계 및 개발 ● 신뢰/비신뢰 구간 별 키 관리 기법 설계 및 개발 ● 가명처리 및 총계처리 기반의 의료데이터 비식별화 기술 개발 - 의료데이터 분석 플랫폼 연동 핵심 기술 개발 ● 의료데이터 분석 플랫폼 보안 서비스 제공을 위한 라이브러리 및 API 개발 ● 의료데이터 보안 플랫폼 개발 ● 의료데이터 분석 보안 플랫폼 성능 검증 ● PPDL-FHE 기술 개발 ● PPDL-FHE S/W 구현③ 의료 빅데이터 응용서비스: 무치악 환자의 의치 제작에 필요한 보건 의료 정보(안모 사진)를 활용하여 의치(denture) 시술 경과를 예측 및 시각화해 실증에 활용하는 응용서비스 제공 - 의치 시술 경과 예측 모델 개발 ● DICOM 헤더 메타데이터의 선택적 암호화/ 익명화 구현 ● 의치 시술 전/후 데이터를 활용한 안모 예측 GAN(Generative Adversarial Network) 모델 구현 - 의치 시술 응용서비스 실증 ● 의치 시술 경과 응용 서비스 및 데이터를 활용한 PPDL-FHE 기술 실증 ●의치 시술 경과 시뮬레이션 성능 개선

1차년도: 고품질 암환자의 다차원적 원시자료 (original data)의 확보- 대장암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증- 폐암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증2차년도: 합성 의료 데이터의 유효성 및 활용성 검증- 임상 시나리오1 (합성 의료데이터 기반 결측된 임상정보 대체 임퓨테이션)의 임상적 유효성 검증- 임상 시나리오2 (합성 의료데이터 기반 항종양 치료법 예측 모델)의 임상적 활용성 검증3차년도: 종양환자 전주기 모델 기반 치료 및 follow-up 전략 개발- 임상 시나리오3 (합성 의료데이터 기반 암환자 생존 예후 예측 모델)의 임상적 유효성 검증- 임상 시나리오4 (합성 의료데이터 기반 영상판독문의 natural language processing)의 임상적 활용성 검증

1차년도: 고품질 암환자의 다차원적 원시자료 (original data)의 확보- 대장암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증- 폐암의 고품질 암환자 다층적 원시자료(original data)의 확보 및 내부 검증2차년도: 합성 의료 데이터의 유효성 및 활용성 검증- 임상 시나리오1 (합성 의료데이터 기반 결측된 임상정보 대체 임퓨테이션)의 임상적 유효성 검증- 임상 시나리오2 (합성 의료데이터 기반 항종양 치료법 예측 모델)의 임상적 활용성 검증3차년도: 종양환자 전주기 모델 기반 치료 및 follow-up 전략 개발- 임상 시나리오3 (합성 의료데이터 기반 암환자 생존 예후 예측 모델)의 임상적 유효성 검증- 임상 시나리오4 (합성 의료데이터 기반 영상판독문의 natural language processing)의 임상적 활용성 검증