8-1 · 발굴·데이터 · 2026-11-14
보건의료 R&D 핵심기술 Early Boost 사업
다중오믹스·임상 합성자료가 원본의 통계 구조와 후속 예측에 필요한 정보를 얼마나 보존하는지 연구합니다.
연구 질문과 목표
공개 자료의 변수와 임상 시계열을 스키마별로 정리하고, 합성자료의 예측 성능과 개인정보 보호를 함께 평가합니다.
- 내부 목표
- 원본 대비 하류 예측 성능 보존율 95% 이상
- 연구 분야
- 발굴·데이터
- 이 기록의 근거
평가 자료
- TCGA-BRCA PanCancer Atlas 공개 mRNA·체세포 복제수·임상 PFS
PanCancer Atlas 2018 · cBioPortal dda832891555904730395d476c5c888b2e1553e1
명부 동결
가상 하네스 · synth8
프라이버시 보존 합성데이터 엔진과 TSTR 검증 하네스
판정 장치는 정답을 아는 생성기 4개 중 4개를 옳게 갈랐습니다. ε=2.0에서 측정한 차분프라이버시 기준 생성기는 같은 가상 세계의 기준 표로 학습한 모델 대비 C-index 100.1%, Macro-F1 99.2%, AUROC 97.4%, 바이오마커 순위 일치 91.4%를 보존했습니다. 순위 일치가 기준 95%에 못 미쳐 출시 규칙이 차단했습니다. 멤버십 추론 AUROC는 0.508(상한 0.538)이었습니다.
- 감사기가 다시 계산한 검사
- 860개
- 가상 세계의 기준 표로 학습한 모델(TRTR)
- AUROC 0.908, C-index 0.721, Macro-F1 0.733, 순위 일치 0.958
- 기준 생성기의 프라이버시 예산
- ε 2.0, δ 1e-05, 형식 AUROC 상한 0.881
- 멤버십 추론(공격 2종)
- 최대 AUROC 0.508, 상한 0.538, 기준 0.55
- 최근접 기록 거리(DCR)
- 복제 0건, 게이트 PASS
- 정답 사례: 전체 복사
- 600행 중 573행을 복제로 탐지, 공격 AUROC 0.920
- 정답 사례: 15% 복사
- 복제 81건, 공격 AUROC 0.557, 위양성 1%에서 진양성 13.2%
- 프라이버시 예산별 최저 보존율
- ε 1: 34.1%, ε 4: 82.9%, ε 8: 92.5%, ε 16: 91.4%
- TCGA 규모 계획의 DP-SGD 잡음 배수
- ε 1에서 σ 15.94, ε 3에서 σ 5.62, ε 8에서 σ 2.41
- 모든 공격을 기준 이하로 묶는 ε
- 0.201 (TCGA 규모 계획에서 σ 78.0)
- 프라이버시 감사의 멤버·비멤버
- 각 720명, 검정력 90%에 필요한 수 701명
- 기준 생성기의 출시 판정
- BLOCKED: UTILITY_FAIL
한계
- 가상 세계는 아형 3개, 공유 요인 4개, 배치 3개, 인코딩 특징 26개의 작은 모형입니다. 정답을 아는 사례로 게이트를 시험할 뿐 TCGA·GEO·MIMIC-IV에 대해서는 아무것도 말하지 않습니다.
- 기준 생성기는 공개 저랭크 기저 위의 해석적 Gaussian 모형입니다. 잡음을 거의 없앤 탐침 4회에서도 순위 일치 보존율은 평균 96.3%, 최저 92.8%였습니다. 구조상 기준 근처에 머무는 모형이며, 이 미달은 학습하지 않은 주 생성기의 결과가 아닙니다.
- 멤버십 추론 결과는 지정한 두 공격에 대한 것입니다. 이 예산의 형식 보장은 표의 AUROC 상한이며 기준보다 훨씬 약합니다. 그래서 출시 규칙은 원장과 경험 감사를 둘 다 요구합니다.
- 감사기는 실행 문서의 점수·거리 배열에서 지표, 상한, 판정을 다시 계산합니다. 생성기와 학습기의 재적합은 감사가 아니라 바이트 동일 재실행으로 확인합니다.
- 원시 보존율은 두 모델이 모두 우연 수준이어도 통과할 수 있어, 규칙은 우연을 뺀 기술 보존율과 기준 모델의 정보성도 요구합니다. 100%를 넘는 보존율은 표본 변동이며 개선이 아닙니다.
합성 입력만 (synthetic_only). 코드가 만든 가상 다중오믹스 자료의 수치입니다. 실제 코호트(TCGA·GEO·MIMIC-IV)를 평가하지 않았고, 주 생성기(잠재 확산)는 명세만 있고 학습하지 않았으며, 감사자 서명을 포함하지 않습니다. 별도 감사기가 관문 4개 중 4개를 통과했습니다.
감사 기록(JSON) · 실행 산출물(JSON) · 8-1 설계 명세: 프라이버시 보존 합성데이터와 TSTR 검증 · 8-1 하네스 구성과 재현 기록 · 8-1 거리 게이트의 귀무 보정 · 8-1 실행 요약(점수 배열 제외) · 8-1·18-2 교차검증 이력
python3 -B -m synth8.orchestrate --output evidence/synth8-run.json
python3 -B -m synth8.audit --run evidence/synth8-run.json --output evidence/synth8-audit.json
python3 -B -m unittest discover -s tests -p 'test_synth8.py' -v자료와 적격 조건
공개 파일과 승인 파일이 구분됩니다. 통제 자료는 dbGaP 승인과 eRA Commons 인증이 필요합니다.
제출 연구별 플랫폼과 변수 정의가 다릅니다. 각 시리즈의 종점과 개인 단위 연결 가능성을 확인해야 합니다.
비식별 자료도 자격·교육·이용 동의가 필요합니다. 원천 자료에서 파생된 모델과 자료에 공유 조건이 적용됩니다.
시험할 경계 사례
- 데이터 분할을 넘나드는 원본 행과 동일인 기록
- 차분 프라이버시 예산과 합성자료의 원본 기록 근접성 점검
- 생물학적으로 불가능한 변수 조합 발생률 0%라는 내부 목표
공통 가상 시험
- 합성 레코드 스키마와 변수 정합성 · 5/5건 일치
공고가 요구하는 것
기존 또는 진행 중인 국가 보건의료 R&D 과제 중 TRL 3 이상이 대상입니다. 1단계는 사업화 전략·컨설팅, 2단계는 경쟁형 후속 개발을 지원합니다.
제안요구서 인쇄 쪽 31–36 · 12개 과제의 요건
해석 범위와 다음 검증
TCGA·GEO·MIMIC-IV 간 동일인 연결이나 공통 관찰기간을 전제로 삼지 않습니다. 실측 검증은 각 자료의 종점과 사용 조건 안에서 분리합니다.
- 다음 검증
- 고정된 TCGA-BRCA 기관 분할에서 같은 하네스로 기준 생성기를 먼저 측정하고, 주 생성기를 학습해 같은 프라이버시 예산에서 모든 종점이 기준 생성기를 넘는지 확인합니다.