在人工智能时代借助 SPHERE 解锁敏感数据

内容形式：摘要译文

敏感的人类数据支撑着医学、生物学和社会科学领域的诸多发现，但隐私法规往往阻碍研究人员与合作者或人工智能（AI）系统共享这些数据。我们提出SPHERE，这是一种无需模型的方法，能够将敏感数据集直接用于AI，并以合成孪生体的形式服务于开放科学，同时原始记录始终不离开本地环境。在涵盖五个科学领域的33个数据集中，SPHERE在抵御对抗性再识别攻击、保护个体隐私的同时，保留了数据的统计结构：均值、方差和相关性均得到精确复现；在线性统计分析中，效应量和P值在数值上完全相同；非线性机器学习的效用得以保留；每个孪生体均可在笔记本电脑上于数秒内生成。在该孪生体上运行的前沿AI智能体能够得出与基于原始记录相同的科学结论。对该孪生体的分析能够在UK Biobank规模上复现全基因组和全蛋白质组范围的研究结果，并在三个独立队列和联盟中重现标志性研究的发现。该方法还可扩展至涵盖语言、视觉和时间序列的深度学习嵌入，同时仅造成极小的效用损失。我们首次公开提供斯坦福阿尔茨海默病研究中心队列的SPHERE孪生体，该孪生体涵盖九种模态，任何完成注册的研究人员均可在无需审批流程的情况下进行分析。我们发布SPHERE，并为每个孪生体提供隐私性和保真度认证，同时提供一个能够在从未访问敏感数据的情况下自主执行研究任务的AI智能体。由此，目前对研究封闭的敏感数据集有望成为开放科学和AI的常规输入，从而推动关键发现。

关键词：隐私保护 · 合成数据 · 人工智能 · 生物信息学 · 多组学

原文链接：https://www.biorxiv.org/content/10.64898/2026.09.01.748580v1?rss=1