뇌 MRI만으로도 개인 식별 가능 간단 이미지 처리와 유사도 측정으로 데이터베이스 연결

초록

머리 T1‑MRI를 스컬 스트립 후 표준 전처리와 11가지 이미지 유사도 지표를 적용하면 동일 인물의 스캔을 거의 완벽하게 매칭할 수 있다. 시뮬레이션 데이터와 다중 사이트·다중 스캐너·다중 프로토콜을 포함한 실제 ADNI 등 5개 데이터셋에서 AUROC·민감도·특이도가 0.99 이상을 기록했으며, 인지 상태 변화와 장기간 간격에도 영향을 받지 않았다. 이는 현재 GDPR·HIPAA 등 규제에서 요구하는 “합리적 위험” 평가에 중요한 근거가 될 수 있다.

상세 분석

본 연구는 두 단계로 구성된 파이프라인을 제안한다 첫 번째 단계는 기존의 오픈소스 툴을 이용한 표준 전처리이다 여기에는 뇌 영역만 남기는 스컬 스트립, 정밀 정합을 위한 affine registration, 그리고 강도 편차를 보정하기 위한 bias field correction과 histogram matching이 포함된다 두 번째 단계는 전처리된 이미지 쌍에 대해 11가지 유사도 지표를 계산하고 KDE 기반 무감독 클러스터링으로 intra‑participant와 inter‑participant를 구분하는 임계값 τ를 도출한다 주요 지표로는 SSIM, 4‑G‑R‑SSIM, NMI, MS‑SSIM, GradSim, PCC 등이 높은 AUROC(1.000)와 민감도·특이도(1.000)를 보였다 반면 NFID는 구분력이 낮았다 전처리와 유사도 계산은 CPU 기준 이미지 1개당 약 87초, 11개 지표는 6초가 소요됐으며 멀티코어 환경에서 15배 가량 가속화가 가능했다 실험은 먼저 합성 데이터(SLDM)와 HCP 기반 SHCP를 이용해 파이프라인의 기능성을 검증했으며, 이후 실제 임상·연구 데이터인 Hormonal Health Study, Running Intervention, Traveling Human Phantom, SDSU‑TS, ADNI 등 5개 데이터셋에 적용했다 각 데이터셋은 스캐너 종류(Siemens, GE, Philips), 필드 강도(1.5T·3T), 해상도 차이, 그리고 인지 상태(정상·MCI·치매)까지 다양했다 그 결과 모든 경우에서 거의 완벽한 매칭이 가능했으며 특히 ADNI에서는 1.5T와 3T 간 전이, 42~108개월 간격, 그리고 인지 악화가 진행된 경우에도 SSIM과 PCC가 100% 정확도를 유지했다 이러한 결과는 단순 이미지 처리와 전통적인 유사도 측정만으로도 뇌 MRI가 개인 식별에 충분히 활용될 수 있음을 보여준다 또한 규제 관점에서 “재식별 가능성”과 “위험 수준이 미미한가”를 판단할 때 정량적 근거를 제공한다는 점에서 정책 입안자와 데이터 관리자에게 실질적인 가이드라인을 제시한다.