환자 개인 정보 보호를 위한 디지털 마스크

초록 얼굴 이미지를 의료 기록에 저장하는 것은 이러한 이미지에서 추출될 수 있는 개인 생체 정보의 민감한 특성으로 인해 개인 정보 보호 위험을 초래합니다. 이러한 위험을 최소화하기 위해 우리는 식별 가능한 특성을 영구적으로 지우면서 진단에 필요한 질병 관련 특성을 유지하는 삼차원 복원 및 심층 학습 알고리즘에 기반한 새로운 기술인 디지털 마스크(DM)를 개발했습니다. 안구 질환 진단을 위한 이 기술을 평가하기 위한 전향적 임상 연구에서, 우리는 원본 얼굴 비디오와 복원된 얼굴 비디오 간의 진단 일관성이 매우 높다는 것을 발견했습니다(내사근 비대칭, 안검하수 및 안진의 경우 κ ≥ 0.845, 갑상선 관련 안와병의 경우 κ = 0.801) . 또한, 유사한 진단 정확도(모든 테스트된 안구 질환에 대해 P ≥ 0.131)가 관찰되었습니다. 다중 선택 질문을 사용한 정체성 제거 유효성 검사는 이미지 크롭핑과 비교하여 DM이 얼굴 이미지에서 정체성 속성을 훨씬 더 효과적으로 제거할 수 있음을 보여주었습니다. 우리는 또한 DM이 인공지능 기반 재식별 알고리즘을 사용하여 인식 시스템을 회피할 수 있는 능력을 추가로 확인했습니다. 게다가 DM 사용은 안구 질환이 있는 환자가 의료 치료 중 건강 정보로서 자신의 얼굴 이미지를 제공할 의지를 높였습니다. 이러한 결과는 디지털 건강 기술의 빠른 도입 시대에 환자의 얼굴 이미지 개인 정보를 보호하기 위한 DM 알고리즘의 잠재력을 나타냅니다.