حفاظت از حریم خصوصی بیمار با استفاده از “ماسک دیجیتال”

به گزارش ICTNN و به نقل از ScienceDaily، در مطالعه‌ای که اخیراً در مجله Nature Medicine منتشر شده است، تیمی به رهبری دانشمندان دانشگاه کمبریج و دانشگاه سان یات سن در گوانگژو چین، از الگوریتم‌های بازسازی سه بعدی و یادگیری عمیق برای حذف ویژگی‌های قابل شناسایی از تصاویر استفاده کردند. ، در حالی که ویژگی های لازم برای تشخیص بیماری حفظ شد.

این تصاویر از چهره ها می تواند در شناسایی علائم بیماری مفید باشد. به عنوان مثال، ویژگی هایی مانند چین و چروک های عمیق پیشانی و چروک های اطراف چشم به طور قابل توجهی با بیماری عروق کرونر قلب مرتبط است، در حالی که تغییرات غیرعادی در حرکات چشم ممکن است نشان دهنده عملکرد ضعیف بینایی و مشکلات رشد شناختی بینایی باشد. با این حال، تصاویر صورت سایر اطلاعات بیومتریک از جمله نژاد، جنسیت، سن و خلق و خوی بیمار را نیز ثبت می کنند.

با افزایش دیجیتالی شدن سوابق پزشکی، خطر نقض حریم خصوصی وجود دارد. در حالی که بیشتر داده‌های بیمار را می‌توان ناشناس کرد، ناشناس کردن داده‌های چهره با حفظ اطلاعات ضروری دشوارتر است. روش‌های مرسوم، از جمله محو کردن و برش مناطق قابل شناسایی، می‌تواند منجر به از دست رفتن اطلاعات مهم مرتبط با بیماری شود.

نگرانی‌های مربوط به حریم خصوصی باعث شده است که مردم اغلب تمایلی به به اشتراک گذاشتن داده‌های پزشکی خود برای تحقیقات پزشکی عمومی یا سوابق سلامت الکترونیکی نداشته باشند، که مانع توسعه مراقبت‌های بهداشتی دیجیتال می‌شود.

پروفسور هائوتین لین از دانشگاه سان یات سن می گوید: “در طول همه گیری کووید-19، ما مجبور بودیم از طریق تلفن یا کنفرانس ویدئویی به مشاوره متوسل شویم. مراقبت از راه دور برای بیماری های چشمی مستلزم به اشتراک گذاری مقدار زیادی از اطلاعات دیجیتالی صورت است که بیماران می خواهند بدانند که اطلاعات بالقوه حساس و حریم خصوصی آنها محافظت خواهد شد.

پروفسور لین و همکارانش یک “ماسک دیجیتال” ساخته اند که فیلم اصلی صورت بیمار را می گیرد و با استفاده از الگوریتم یادگیری عمیق و بازسازی سه بعدی به فیلم تبدیل می کند و در عین حال تا حد امکان اطلاعات بیومتریک شخصی بیمار را حذف می کند. برای شناسایی فرد

یادگیری عمیق ویژگی ها را از قسمت های مختلف صورت استخراج می کند، در حالی که بازسازی سه بعدی به طور خودکار شکل و حرکت صورت، پلک ها و کره چشم را بر اساس ویژگی های استخراج شده دیجیتالی می کند. تبدیل ویدیوهای نهایی به ویدیوهای اصلی بسیار دشوار است. زیرا بیشتر اطلاعات لازم از آن حذف شده است.

سپس، محققان سودمندی این ماسک‌ها را در آزمایش‌های بالینی آزمایش کردند و دریافتند که تشخیص بیماری با استفاده از ماسک‌های دیجیتال با تشخیصی که با استفاده از فیلم‌های اصلی انجام می‌شود مطابقت دارد. این نشان می دهد که بازسازی به اندازه کافی دقیق بوده که در کاربردهای بالینی مورد استفاده قرار گیرد.

در مقایسه با روش‌های سنتی که برای شناسایی بیمارانی که شامل برش تصویر هستند، استفاده می‌شود، خطر شناسایی بیماران با ماسک دیجیتال به طور قابل‌توجهی کمتر بود.

محققان به طور تصادفی بیمارانی را که به کلینیک مراجعه کرده بودند انتخاب کردند و نگرش آنها را نسبت به ماسک های دیجیتال بررسی کردند. بیش از 80 درصد از بیماران فکر می کردند که ماسک دیجیتال نگرانی های مربوط به حریم خصوصی آنها را کاهش می دهد و آنها تمایل بیشتری برای به اشتراک گذاشتن اطلاعات شخصی خود در صورت اجرای چنین اقدامی ابراز کردند.

ICTNN