Nature Medicine | 全球首个！林浩添/戴琼海/徐枫研发保护患者隐私的数字面罩，突破患者面部图像去身份化的技术瓶颈

保护患者的隐私是医疗保健服务的核心，并具有重要的伦理和法医学后果。由于数字化和越来越广泛的医疗记录共享，因此可以从此类图像中提取的个人生物特征信息的敏感性，在医疗记录中存储面部图像会带来隐私风险。

2022年9月15日，中山大学林浩添教授、清华大学戴琼海教授和徐枫教授合作在Nature Medicine杂志在线发表题为“A digital mask to safeguard patient privacy”的研究论文，为了最大限度地保护个人面部敏感信息，基于 3D 重建和深度学习算法，该研究开发了一种名为“数字面罩 (Digital Mask, DM)”的技术，能够不可逆地擦除可识别特征，同时保留诊断所需的疾病相关特征。这项技术创新性解决了患者眼面部的个人敏感信息保护和基于眼部图像的疾病诊断需求的矛盾，加强患者个人敏感信息保护，推进数字医学高质量发展。

从隐私的角度来看，涉及面部图像的临床数据特别敏感，因为面部信息明确包含生物特征识别信息。因此，保护医疗保健用户的面部信息以维护医疗隐私和安全势在必行。然而，旨在记录疾病迹象的面部图像，如斜视或眼球震颤，不可避免地会记录患者的种族、性别、年龄、情绪和其他生物识别信息。关于面部图像，常见的匿名方法，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，并且它们无法完全避开面部识别系统。因此，一个重要的挑战是将生物识别身份与可能从面部图像中获得的医学信息区分开来。在整个面部图像中，眼周生物特征是个人生物特征信息中最独特的子集之一，它可用于帮助建立强大的身份验证系统。此外，眼周特征是眼睛和整体健康的重要标志。例如，眼周特征，如前额深皱纹和眶周皱纹，与冠心病显著相关，眼睛动力学的异常拓扑变化表明视觉功能差和视觉认知发育问题。这项研究旨在保护患者的生物特征信息，重点关注甲状腺相关眼眶病（thyroid-associated orbitopathy, TAO）、斜视、上睑下垂和眼球震颤四种病理性眼部表现，其中涉及眼睑回缩、过度活跃或过度活跃等十余种异常行为表型，以及眼外肌活动不足、水平或垂直斜视、双眼皮线变化、固定不良和代偿性头部位置。为了提取这些与疾病相关的特征，但从患者的面部图像中删除患者身份特征，研究人员开发了“数字面罩 (Digital Mask, DM)”，这是一种基于实时三维 (3D) 重建和深度学习算法的新技术。DM 将原始视频作为输入，并输出包含疾病信息的重建视频，同时尽可能多地丢弃患者的身份，而突出显示精细的眼部重建。将 DM 重建的视频无法再转换回原始视频，因为重建原始属性所需的大部分信息已被丢弃，并且不再存在于构成掩码的数字表示集中。

为了证明所提出的 DM 方法的可行性，研究人员设计了一项评估眼部疾病诊断技术的前瞻性临床研究，研究发现使用原始和重建面部视频之间的诊断一致性非常高（斜视、上睑下垂和眼球震颤的 κ ≥ 0.845，甲状腺相关眼眶病的 κ = 0.801）并观察到相当的诊断准确性（P ≥ 0.131，适用于所有测试的眼部状况）。进一步使用多项选择题的身份去除验证表明，在六选一的识别测试中，传统的个人敏感信息保护技术（如“局部裁剪”）的身份被识别率为91.3%，而患者在DM的保护下，身份被识别率降低到27.3%。因此与图像裁剪相比，DM 可以更有效地从面部图像中去除身份属性。此外，此技术也可抵抗基于彩色人脸图像识别的模型攻击。总的来说，这项研究结果表明，在数字健康技术迅速普及的时代，DM 提出了一种保护患者隐私的新方法，为隐私保护提供了额外的数据格式，并增强了患者共享其医疗数据的意愿，从而有利于快速发展的数字健康领域。中山大学中山眼科中心林浩添教授团队与清华大学戴琼海教授、徐枫教授团队，联合大湾区及国内外十余家医疗领域、人工智能领域、及三维重建领域的顶级科研机构共同完成本项研究。中山大学中山眼科中心杨雅涵、清华大学软件学院吕军锋、中山大学中山眼科中心汪瑞昕为本文的共同第一作者。

原文链接：https://www.nature.com/articles/s41591-022-01966-1

转自：“iNature”微信公众号

如有侵权，请联系本站删除！