“数字面具”可保护病人在病历中的隐私

科学家们发明了一种“数字面具”，可以将面部图像存储在医疗记录中，同时防止潜在敏感的个人生物特征信息被提取和共享。

今天发表在自然医学，一个由剑桥大学和中国广州中山大学的科学家领导的团队，使用三维(3D)重建和深度学习算法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。

面部图像对于识别疾病迹象很有用。例如，前额深皱纹和眼睛周围的皱纹等特征与长寿有显著关联冠心病而眼球运动的异常变化可能表明视觉功能不佳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。

随着数字化的不断发展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，面部数据在保留基本信息的同时更难匿名化。常见的方法，包括模糊和裁剪可识别区域，可能会丢失重要的疾病相关信息，但即使这样也不能完全逃避人脸识别系统。

由于隐私问题在美国，人们往往不愿将自己的医疗数据分享给公共医学研究或机构ob欧宝直播nba电子健康记录，阻碍了数字化医疗的发展。

中山大学林浩天教授说:“在新冠肺炎大流行期间，我们不得不通过电话或视频连线进行咨询，而不是亲自去咨询。眼科疾病的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，他们的隐私是受到保护的。”

林教授及其同事开发了一种“数字面具”，它可以输入患者面部的原始视频，并根据深度学习算法和3D重建输出视频，同时尽可能多地丢弃患者的个人生物特征信息——从这些信息中不可能识别出个人。

深度学习从不同的面部部位提取特征，而3D重建则根据提取的面部特征自动将3D面部、眼睑和眼球的形状和运动数字化。将数字掩模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模中。

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是一致的。这表明重建足够精确，可以用于临床实践．

与传统的“去识别”患者的方法(裁剪图像)相比，使用数字面具的患者被识别的风险显著降低。研究人员向12名眼科医生展示了经过数字屏蔽或剪裁的图像，并要求他们从其他5张图像中识别出原始图像。在超过四分之一(27%)的情况下，他们正确地从数字屏蔽图像中识别出了原始图像;对于裁剪过的数字，他们能够在绝大多数情况下(91%)这样做。然而，这可能是一种高估:在实际情况下，人们可能不得不从一个更大的集合中识别原始图像。

研究小组随机选择了前来诊所就诊的患者，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，如果实施这一措施，他们表示更愿意分享他们的个人信息。

最后，该团队证实，数字面具还可以逃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，唯一可用的选择是粗糙的，但我们的数字面具是一个更复杂的工具，用于匿名面部图像。

“这将使远程医疗——电话和视频咨询——变得更加可行，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有关的障碍和担忧。我们的数字口罩是朝着这个方向迈出的重要一步。”

---

---