bioRxiv 2026年9月17日作者提出SPHERE这一无需建模（model-free）的方法，将敏感数据集转化为可共享的“合成孪生”（synthetic twin），使AI系统与协作者可直接使用而原始记录不离开本地环境；在覆盖五个科学领域的33个数据集上，该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构（均值、方差与相关性被精确复现，线性分析中的效应量与P值数值一致，非线性机器学习效用得以保留，每个孪生可在笔记本电脑上数秒生成），前沿AI智能体在孪生上的科学结论与在原始记录上一致，并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现，还首次以涵盖九种模态的SPHERE作者提出SPHERE这一无需建模（model-free）的方法，将敏感数据集转化为可共享的“合成孪生”（synthetic twin），使AI系统与协作者可直接使用而原始记录不离开本地环境；在覆盖五个科学领域的33个数据集上，该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构（均值、方差与相关性被精确复现，线性分析中的效应量与P值数值一致，非线性机器学习效用得以保留，每个孪生可在笔记本电脑上数秒生成），前沿AI智能体在孪生上的科学结论与在原始记录上一致，并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现，还首次以涵盖九种模态的SPHERESPHERE：让敏感人类数据在AI时代可被直接使用与共享作者提出SPHERE这一无需建模（model-free）的方法，将敏感数据集转化为可共享的“合成孪生”（synthetic twin），使AI系统与协作者可直接使用而原始记录不离开本地环境；在覆盖五个科学领域的33个数据集上，该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构（均值、方差与相关性被精确复现，线性分析中的效应量与P值数值一致，非线性机器学习效用得以保留，每个孪生可在笔记本电脑上数秒生成），前沿AI智能体在孪生上的科学结论与在原始记录上一致，并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现，还首次以涵盖九种模态的SPHERE作者提出SPHERE这一无需建模（model-free）的方法，将敏感数据集转化为可共享的“合成孪生”（synthetic twin），使AI系统与协作者可直接使用而原始记录不离开本地环境；在覆盖五个科学领域的33个数据集上，该方法在抵御对抗性重识别攻击的同时保留了数据的统计结构（均值、方差与相关性被精确复现，线性分析中的效应量与P值数值一致，非线性机器学习效用得以保留，每个孪生可在笔记本电脑上数秒生成），前沿AI智能体在孪生上的科学结论与在原始记录上一致，并可在UK Biobank规模上复现基因组与蛋白质组范围的结果、在三个独立队列与联盟中重现里程碑研究的发现，还首次以涵盖九种模态的SPHERE