محافظت از حریم شخصی بیماران با استفاده از “ماسک دیجیتال”

به گزارش ایسنا و به نقل از ساینس‌دیلی، در مطالعه‌ای که به تازگی در مجله “Nature Medicine” منتشر شده، تیمی به رهبری دانشمندان دانشگاه کمبریج و دانشگاه سون یات سن (Sun Yat-sen) در گوانگ‌ژو چین، از الگوریتم‌های بازسازی سه‌بعدی و یادگیری عمیق برای پاک کردن ویژگی‌های قابل شناسایی از تصاویر چهره افراد استفاده کردند، در حالی که مشخصه‌های مورد نیاز برای تشخیص بیماری حفظ شده است.

این تصاویر از چهره افراد می‌تواند برای شناسایی علائم بیماری مفید باشد. به عنوان مثال، مشخصه‌هایی همچون چین و چروک‌های عمیق پیشانی و چروک‌های اطراف چشم به طور قابل توجهی با بیماری عروق کرونر قلب مرتبط است، در حالی که تغییرات غیر طبیعی در حرکت چشم می‌تواند نشان‌دهنده عملکرد ضعیف بینایی و مشکلات رشد شناختی بینایی باشد. با این وجود، تصاویر چهره، اطلاعات زیست‌سنجی دیگری از جمله نژاد، جنس، سن و خلق و خوی بیمار را نیز ثبت می‌کنند.

با افزایش دیجیتالی شدن سوابق پزشکی، خطر نقض حریم شخصی به وجود می‌آید. در حالی که بیشتر داده‌های بیماران را می‌توان به صورت ناشناس ثبت کرد، ثبت ناشناس داده‌های مربوط به چهره با حفظ اطلاعات ضروری کار دشوارتری است. روش‌های متداول، از جمله محوکردن و برش مناطق قابل شناسایی، ممکن است به از دست رفتن اطلاعات مهم مرتبط با بیماری منجر شود.

نگرانی‌های مربوط به حریم شخصی باعث شده که مردم اغلب در به اشتراک گذاشتن داده‌های پزشکی خود برای تحقیقات پزشکی عمومی یا سوابق سلامت الکترونیکی تردید داشته باشند و این مانع از توسعه مراقبت‌های پزشکی دیجیتال می‌شود.

پروفسور هاشین لین (Haotian Lin) از دانشگاه سون یات سن می‌گوید: در طول همه گیری کووید-۱۹، ما مجبور بودیم به مشاوره تلفنی یا تماس ویدئویی روی بیاوریم. مراقبت‌های بهداشتی از راه دور برای بیماری‌های مربوط به چشمی نیازمند به اشتراک گذاشتن مقدار زیادی اطلاعات دیجیتال از چهره است. بیماران می‌خواهند بدانند که از اطلاعات حساس بالقوه و حریم شخصی آنها حفاظت می‌شود.

پروفسور لین و همکارانش یک “ماسک دیجیتال” ایجاد کرده‌اند که ویدئوی اصلی از چهره بیمار را دریافت می‌کند و یک ویدئو با استفاده از الگوریتم یادگیری عمیق و بازسازی سه‌بعدی ارائه می‌کند، در حالی که تا حد امکان اطلاعات مربوط به زیست‌سنجی شخصی بیمار حذف می‌شود و شناسایی فرد غیر ممکن می‌شود.

یادگیری عمیق مشخصه‌ها را از قسمت‌های مختلف صورت استخراج می‌کند، در حالی که بازسازی سه‌بعدی به‌طور خودکار اشکال و حرکت چهره‌ها، پلک‌ها و کره چشم‌ها را بر اساس ویژگی‌های استخراج‌شده به صورت دیجیتالی در می‌آورد. تبدیل ویدئوهای نهایی به ویدئوهای اصلی بسیار دشوار است؛ زیرا بیشتر اطلاعات لازم از آن حذف شده‌اند.

در مرحله بعد، محققان میزان مفید بودن این ماسک‌ها را در بررسی‌های بالینی آزمایش کردند و دریافتند که تشخیص بیماری با استفاده از ماسک‌های دیجیتال با تشخیص انجام شده با استفاده از فیلم‌های اصلی مطابقت دارد. این نشان می‌دهد که بازسازی به اندازه کافی برای استفاده در مراجعه‌های بالینی دقیق بوده است.

در مقایسه با روش‌های سنتی مورد استفاده برای شناسایی بیماران که شامل برش تصویر می‌شود، خطر شناسایی بیمارانی که نقاب دیجیتالی داشتند به طور قابل توجهی کمتر بود.

محققان بیمارانی را که به کلینیک مراجعه می‌کردند به صورت تصادفی انتخاب کرده و نگرش آنها در مورد ماسک‌های دیجیتال را بررسی کردند. بیش از ۸۰ درصد از بیماران معتقد بودند که ماسک دیجیتال نگرانی‌های مربوط به حریم شخصی آنها را کاهش می‌دهد و آن‌ها تمایل بیشتری برای به اشتراک گذاشتن اطلاعات شخصی خود در صورت اجرای چنین اقدامی ابراز کردند.

انتهای پیام