CLEO closed loop framework for synthesizing medical privacy preserving tabular data.

Medicinska databolag och forskningsmiljöer kan nu bryta dataksilos genom syntetisk datasyntes. Ramverket CLEO kombinerar Gaussiska blandningsmodeller med Q-learning för att generera patientdata som håller sekretess medan det bevarar analyskvalitet. Metoden testades på multincentrisk data från intrakraniella aneurysm-patienter. CLEO nådde ett kombinerat poäng på 0,9232 och överträffade konkurrenter som TVAE och CTGAN. Modeller tränade på den syntetiska datan uppnådde genomsnittlig AUC på 0,7376 i klinisk prognos, vilket bekräftar att beslutsdata bevarades. Närliggande-granne-granskning visade låg återidentifieringsrisk (0,4940). Initiativ från Taiyuan, Karolinska Institutet och Swansea Universitetet adresserar EU och svenska GDPR-krav. För produktchefer inom healthtech är detta relevant för att bygga kollaborativa ML-modeller utan att lagra patientdata centralt.

The sharing of patient-level structured data is strictly constrained by privacy regulations and governance, creating "data silos" that hinder multi-center research. We propose the CLEO (Clean-Learn-Evaluate-Optimize), a closed-loop framework that integrates a Gaussian Mixture Model generator with Q-learning-based optimization to formalize data synthesis as a Markov Decision Process. Experimental results on a multicenter intracranial aneurysm dataset show that CLEO achieved a combined score of 0.9232 ± 0.0124, outperforming the evaluated representative comparison methods, including TVAE, Gaussian Copula, and CTGAN. In downstream TSTR evaluation, models trained on CLEO-generated data achieved an average AUC of 0.7376, indicating that the synthetic data retained useful clinical decision signals. However, Macro-F1 results also suggest that minority-class prediction remains affected by the imbalanced class distribution. Empirical privacy auditing showed a Nearest Neighbor Adversarial Accuracy score of 0.4940, suggesting low observed re-identification risk under the adopted nearest-neighbor audit setting. These findings indicate that CLEO provides a controllable and empirically auditable framework for supporting cross-institutional research when real-world medical data cannot be directly aggregated.