Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Ψηφιακή μάσκα: Προστατεύοντας το απόρρητο των ασθενών στα ιατρικά αρχεία

Ψηφιακή μάσκα: Προστατεύοντας το απόρρητο των ασθενών στα ιατρικά αρχεία

Ψηφιακή μάσκα: Οι επιστήμονες δημιούργησαν μια «ψηφιακή μάσκα» που θα επιτρέπει την αποθήκευση εικόνων προσώπου σε ιατρικά αρχεία, αποτρέποντας ταυτόχρονα την εξαγωγή και την κοινή χρήση δυνητικά ευαίσθητων προσωπικών βιομετρικών πληροφοριών.



Οι επιστήμονες δημιούργησαν μια «ψηφιακή μάσκα» που θα επιτρέπει την αποθήκευση εικόνων προσώπου σε ιατρικά αρχεία, αποτρέποντας ταυτόχρονα την εξαγωγή και την κοινή χρήση δυνητικά ευαίσθητων προσωπικών βιομετρικών πληροφοριών. Σε έρευνα που δημοσιεύτηκε σήμερα στο Nature Medicine, μια ομάδα με επικεφαλής τους επιστήμονες από το Πανεπιστήμιο του Κέμπριτζ και το Πανεπιστήμιο Sun Yat-sen στο Guangzhou της Κίνας, χρησιμοποίησε τρισδιάστατους (3D) αλγόριθμους αναδόμησης και βαθιάς μάθησης για να διαγράψει αναγνωρίσιμα χαρακτηριστικά από τις εικόνες του προσώπου ενώ διατήρησε χαρακτηριστικά που σχετίζονται με τη νόσο που απαιτούνται για τη διάγνωση.


Οι εικόνες προσώπου μπορεί να είναι χρήσιμες για τον εντοπισμό σημείων ασθένειας. Για παράδειγμα, χαρακτηριστικά όπως οι βαθιές ρυτίδες του μετώπου και οι ρυτίδες γύρω από τα μάτια σχετίζονται σημαντικά με τη στεφανιαία νόσο, ενώ οι μη φυσιολογικές αλλαγές στην κίνηση των ματιών μπορεί να υποδηλώνουν κακή οπτική λειτουργία και οπτικά γνωστικά αναπτυξιακά προβλήματα. Ωστόσο, οι εικόνες προσώπου καταγράφουν αναπόφευκτα και άλλες βιομετρικές πληροφορίες για τον ασθενή, συμπεριλαμβανομένης της φυλής, του φύλου, της ηλικίας και της διάθεσής του.

Με την αυξανόμενη ψηφιοποίηση των ιατρικών αρχείων υπάρχει ο κίνδυνος παραβίασης δεδομένων. Ενώ τα περισσότερα δεδομένα ασθενών μπορούν να ανωνυμοποιηθούν, τα δεδομένα προσώπου είναι πιο δύσκολο να ανωνυμοποιηθούν, ενώ διατηρούνται βασικές πληροφορίες. Οι κοινές μέθοδοι, συμπεριλαμβανομένης της θόλωσης και της περικοπής αναγνωρίσιμων περιοχών, μπορεί να χάσουν σημαντικές πληροφορίες σχετικά με την ασθένεια, αλλά ακόμη και έτσι δεν μπορούν να αποφύγουν πλήρως τα συστήματα αναγνώρισης προσώπου. Λόγω ανησυχιών για το απόρρητο, οι άνθρωποι συχνά διστάζουν να μοιραστούν τα ιατρικά τους δεδομένα για δημόσια ιατρική έρευνα ή ηλεκτρονικά αρχεία υγείας, εμποδίζοντας την ανάπτυξη της ψηφιακής ιατρικής περίθαλψης.

Ο καθηγητής Haotian Lin από το Πανεπιστήμιο Sun Yat-sen είπε: “Κατά τη διάρκεια της πανδημίας COVID-19, έπρεπε να στραφούμε σε διαβουλεύσεις μέσω τηλεφώνου ή μέσω σύνδεσης βίντεο και όχι αυτοπροσώπως. Η απομακρυσμένη υγειονομική περίθαλψη για τις οφθαλμικές παθήσεις απαιτεί από τους ασθενείς να μοιράζονται μεγάλο αριθμό ψηφιακές πληροφορίες προσώπου. Οι ασθενείς θέλουν να γνωρίζουν ότι οι δυνητικά ευαίσθητες πληροφορίες τους είναι ασφαλείς και ότι προστατεύεται το απόρρητό τους.” Ο καθηγητής Lin και οι συνεργάτες του ανέπτυξαν μια «ψηφιακή μάσκα», η οποία εισάγει ένα πρωτότυπο βίντεο με το πρόσωπο ενός ασθενούς και εξάγει ένα βίντεο.

Το έκαναν με βάση τη χρήση αλγορίθμου βαθιάς μάθησης και 3D ανακατασκευής, ενώ απορρίπτει όσο το δυνατόν περισσότερες προσωπικές βιομετρικές πληροφορίες του ασθενούς— και από την οποία δεν κατέστη δυνατή η ταυτοποίηση του ατόμου. Το Deep Learning εξάγει χαρακτηριστικά από διαφορετικά μέρη του προσώπου, ενώ η 3D ανακατασκευή ψηφιοποιεί αυτόματα τα σχήματα και τις κινήσεις των 3D προσώπων, βλεφάρων και βολβών με βάση τα εξαγόμενα χαρακτηριστικά του προσώπου. Η μετατροπή των βίντεο ψηφιακής μάσκας πίσω στα αρχικά βίντεο είναι εξαιρετικά δύσκολη επειδή οι περισσότερες από τις απαραίτητες πληροφορίες δεν διατηρούνται πλέον στη μάσκα.

Στη συνέχεια, οι ερευνητές εξέτασαν πόσο χρήσιμες ήταν οι μάσκες στην κλινική πράξη και διαπίστωσαν ότι η διάγνωση χρησιμοποιώντας τις ψηφιακές μάσκες ήταν συνεπής με αυτή που πραγματοποιήθηκε με τη χρήση των αρχικών βίντεο. Αυτό υποδηλώνει ότι η ανακατασκευή ήταν αρκετά ακριβής για χρήση στην κλινική πράξη. Σε σύγκριση με την παραδοσιακή μέθοδο που χρησιμοποιείται για την «απο-αναγνώριση» των ασθενών – περικοπή της εικόνας – ο κίνδυνος ταυτοποίησης ήταν σημαντικά χαμηλότερος στους ασθενείς με ψηφιακή μάσκα.

Οι ερευνητές το δοκίμασαν αυτό δείχνοντας σε 12 οφθαλμιάτρους ψηφιακά καλυμμένες ή περικομμένες εικόνες και ζητώντας τους να αναγνωρίσουν το πρωτότυπο από πέντε άλλες εικόνες. Αναγνώρισαν σωστά το πρωτότυπο από την ψηφιακά καλυμμένη εικόνα σε λίγο περισσότερο από το ένα τέταρτο (27%) των περιπτώσεων. Για το περικομμένο ποσοστό, μπόρεσαν να το κάνουν στη συντριπτική πλειονότητα των περιπτώσεων (91%). Αυτό είναι πιθανό να είναι μια υπερεκτίμηση, ωστόσο: σε πραγματικές καταστάσεις, θα πρέπει πιθανότατα να αναγνωρίσει την αρχική εικόνα από ένα πολύ μεγαλύτερο σύνολο. Η ομάδα εξέτασε τυχαία επιλεγμένους ασθενείς που παρακολουθούσαν κλινικές για να δοκιμάσει τη στάση τους απέναντι στις ψηφιακές μάσκες.

Πάνω από το 80% των ασθενών πίστευαν ότι η ψηφιακή μάσκα θα αμβλύνει τις ανησυχίες τους για το απόρρητο και εξέφρασαν αυξημένη προθυμία να μοιραστούν τις προσωπικές τους πληροφορίες εάν εφαρμοστεί ένα τέτοιο μέτρο. Τέλος, η ομάδα επιβεβαίωσε ότι οι ψηφιακές μάσκες μπορούν επίσης να αποφύγουν τους αλγόριθμους αναγνώρισης προσώπου που τροφοδοτούνται από τεχνητή νοημοσύνη.

 

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Είναι η απώλεια βάρους ένας σημαντικός στόχος υγείας;

Καναδοί ερευνητές έχουν περιορισμένη πρόσβαση σε ζωτικά δεδομένα COVID

Τι είναι η Τεχνολογία Υγείας και ποια τα πλεονεκτήματά της;

Ασθενείς και πάροχοι σε σύγχυση ως προς τα ιατρικά αρχεία

svg%3E svg%3E
svg%3E
Αφιέρωμα στον Διαβήτη healthwebgr svg%3E
Περισσότερα

Νέα μέθοδος ανάπτυξης αιμοφόρων αγγείων σε εργαστηριακά οργανοειδή 

Οι ερευνητές έχουν αναπτύξει ένα καινοτόμο πρωτόκολλο που περιλαμβάνει τη χρήση βιοϋλικών, κυτταρικών παραγόντων και μοριακών σηματοδοτών για την προώθηση της αγγειογένεσης σε τρισδιάστατα οργανοειδή.

Τεχνητή νοημοσύνη: Μπορεί να βοηθήσει στην ανίχνευση εγκεφαλικών όγκων;

Τεχνητή νοημοσύνη: Οι ακτινολόγοι βρίσκονται μπροστά σε μια σημαντική επανάσταση στον τομέα της ιατρικής απεικόνισης, καθώς η τεχνητή νοημοσύνη αναμένεται να παίξει καθοριστικό ρόλο στην ανίχνευση εγκεφαλικών όγκων.

Νευρωνική διεπαφή: Πρόσβαση στον εγκέφαλο χωρίς επεμβατική χειρουργική

Νευρωνική διεπαφή: Οι τελευταίες εξελίξεις στην ιατρική τεχνολογία οδήγησαν στην ανάπτυξη μιας νέας ελάχιστα επεμβατικής νευρωνικής διεπαφής που υπόσχεται να αλλάξει δραστικά τον τρόπο αλληλεπίδρασης με τον εγκέφαλο.

Η τεχνική που επαναπροσδιορίζει τη µεταµόσχευση οργάνων 

Ένα από τα πιο υποσχόμενα πεδία έρευνας είναι η βιολογία των βλαστοκυττάρων. Τα βλαστοκύτταρα έχουν την ικανότητα να διαφοροποιούνται σε πολλούς τύπους κυττάρων και μπορούν να χρησιμοποιηθούν για την αναγέννηση κατεστραμμένων οργάνων ή ιστών.

Νέο σύστημα φακών για ενδοσκόπια επιτρέπει στους γιατρούς να δουν μέσα στο σώμα όπως ποτέ άλλοτε

Ενδοσκόπιο: Έχει σχεδιαστεί ένα νέο είδος συστήματος φακών για την άκρη ενός ενδοσκοπίου, το οποίο θα μπορούσε να επιτρέψει στους γιατρούς να βλέπουν και να θεραπεύουν περιοχές βαθιά μέσα στο σώμα.

Ρομποτική χειρουργική: Ο νέος τρόπος αντιμετώπισης της πρόπτωσης μήτρας

Ρομποτική χειρουργική: Η πρόπτωση της μήτρας, όπου η μήτρα υποχωρεί από τη φυσική της θέση και κατέρχεται στον κόλπο, είναι μια συχνή κατάσταση που επηρεάζει πολλές γυναίκες, ειδικά εκείνες που έχουν υποβληθεί σε τοκετούς.

Τεχνητή νοημοσύνη: Ο νέος σύμμαχος στην ανίχνευση καρκινικών όγκων εγκεφάλου

Τεχνητή νοημοσύνη: Ένα επαναστατικό μοντέλο τεχνητής νοημοσύνης έχει αναπτυχθεί για τον εντοπισμό καρκινικών όγκων στον εγκέφαλο με απίστευτη ταχύτητα και ακρίβεια.

Close Icon