“数字口罩”可以保护患者病历中的隐私
科学家们发明了一种“数字口罩”,可以将面部图像存储在医疗记录中,同时防止可能敏感的个人生物特征信息被提取和分享。
今天发表在自然医学该团队由来自剑桥大学和中国广州中山大学的科学家领导,使用三维(3D)重建和深入学习算法擦掉擦掉可识别的特征面部图像同时保留诊断所需的疾病相关特征。
面部图像对识别疾病迹象很有用。例如,前额深深的皱纹和眼睛周围的皱纹等特征明显与冠心病,而眼动的异常变化可能表明视觉功能不良和视觉认知发育问题。然而,面部图像也不可避免地记录了患者的其他生物特征信息,包括他们的种族、性别、年龄和情绪。
随着数字化的日益深入医疗记录随之而来的是数据泄露的风险。虽然大多数患者数据可以匿名化,面部数据更难匿名化,同时保留基本信息。常见的方法,包括模糊和裁剪可识别区域,可能会丢失与疾病相关的重要信息,但即便如此,也无法完全躲过面部识别系统。
由于隐私问题在美国,人们往往不愿意将自己的医疗数据分享给公共医学研究或bob88体育平台登录电子健康记录,阻碍了数字医疗的发展。
中山大学教授林浩天说:“在COVID-19大流行期间,我们不得不通过电话或视频链接进行咨询,而不是亲自见面。眼科疾病远程医疗需要患者共享大量的数字面部信息。患者希望知道他们潜在的敏感信息是安全的,他们的隐私受到了保护。”
林教授和同事们开发了一种“数字面具”,它可以输入病人面部的原始视频,并根据深度学习算法和3D重建输出一个视频,同时尽可能丢弃病人的个人生物特征信息——从这些信息无法识别个人。
深度学习从不同的面部部位提取特征,三维重建根据提取的面部特征自动对3D人脸、眼睑和眼球的形状和运动进行数字化处理。将数字掩码视频转换回原始视频是极其困难的,因为大多数必要的信息不再保留在掩码中。
接下来,研究人员测试了口罩在临床实践中的作用,发现使用数字口罩进行的诊断与使用原始视频进行的诊断一致。这表明重建的精确度足以用于临床实践.
与“去识别”患者的传统方法——裁剪图像——相比,数字面具患者被识别的风险显著降低。研究人员对此进行了测试,向12名眼科医生展示了数字蒙面或裁剪过的图像,并要求他们从其他5张图像中识别出原始图像。他们在四分之一(27%)以上的案例中从数字遮蔽的图像中正确地识别出了原始图像;对于裁剪过的图形,他们在绝大多数情况下(91%)都能做到这一点。然而,这可能是一种过高的估计:在实际情况下,人们可能必须从一个大得多的集合中识别原始图像。
研究小组随机挑选了一些去诊所就诊的患者,以测试他们对数字口罩的态度。超过80%的患者认为数字口罩可以缓解他们对隐私的担忧,如果实施这种措施,他们表示更愿意分享自己的个人信息。
最后,该团队证实,数字口罩还可以躲避人工智能驱动的面部识别算法。
剑桥大学的Patrick Yu-Wai-Man教授说:“数字屏蔽提供了一种实用的方法来保护患者的隐私,同时仍然允许信息对临床医生有用。”目前,可用的唯一选择是粗糙的,但我们的数字面具是一个更加复杂的工具,用于匿名化面部图像。
这将使远程医疗——电话和视频咨询——更加可行,使医疗服务更加高效。如果远程医疗要被广泛采用,那么我们需要克服与隐私保护相关的障碍和担忧。我们的数字口罩是朝着这个方向迈出的重要一步。”
进一步探索