通过数字技术与医学技术的交叉赋能，中山大学中山眼科中心建立了眼病筛诊防治的智慧医疗体系, 为一系列关键临床问题提供科学有效的解决方案。然而,数字医学的数据依赖属性医疗数据的身份敏感性之间的矛盾是新时代的痛点和难点，也是国际学术讨论的热点话题。颜面部可呈现出人体多种生理或是病理特征信息，无论是我国的传统中医或是现代医学，颜面部的信息特征均是临床疾病诊疗重要的判断依据，包括眼科、肝胆、心血管、神经系统等等各种器官系统或全身疾病，是重要的医疗数据和科研数据。同时，由于面部是人体重要的不可编辑的生物识别信息之一，它还具有身份识别功能，因此具有极高的个人信息敏感性，是数字化时代个人敏感信息的保护重点。
围绕患者面部图像个人敏感信息保护这一科学问题，研究团队通过创新技术攻坚克难，研发“Digital Mask”技术，在去除患者身份信息同时可保留用于患者诊断的特征，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，研究成果“A Digital Mask to Safeguard Patient Privacy”于2022年9月15日在 Nature Medicine 在线发表，加强患者个人敏感信息保护，推进数字医学高质量发展。
一、全球首创技术解决眼面部图像用于疾病诊疗需求和个人敏感信息保护之间的矛盾
在数字医学新时代，患者的医疗影像以及日常图像数据，均是临床研究、健康档案、远程医疗的重要信息载体，也是医疗服务数字化、实时化、智能化的基础和产物。然而，作为重要的战略资源，医学数据的采集、治理和共享还存在着诸多瓶颈。由于行业内缺乏明晰的数据个人敏感信息保护及敏感医疗信息的采集标准和规范指引，很多患者对个人敏感信息数据的泄露风险存在担忧。某种程度上，这些担忧降低了他们提供研究数据的意愿，致使数据收集的成本大大增加，给相关医疗机构及研究团队造成了沉重的负担。
因此，医疗数据的个人敏感信息保护是行业内亟待解决的问题，数据收集相关的方法和程序必须更新，以保护人们不受信息泄露攻击。团队开发的“Digital Mask”可以实现“识病不识人”的匿名就医效果，经问卷调查统计分析显示，使用“Digital Mask”可以显著降低患者因面部暴露带来的信息泄露担忧，增加他们使用数字医学产品和分享健康信息的意愿。
二、开发“Digital Mask”解决面部图像去身份化的技术瓶颈
如何实现身份和疾病信息的分离是我们面临的主要技术问题。医疗信息似乎总是跟随着身份信息，导致个人疾病体征和个人身份信息存在耦合，任何人脸图像在记录个人健康信息的同时，都不可避免地记录了种族、性别、年龄、情绪等其他生物迹象。“Digital Mask”通过面部三维重建，可以在保留疾病体征的同时抹去个人身份信息，且无法进行逆向工程，从而保护了身份信息的不可识别。研究表明，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“Digital Mask”的保护下，身份被识别率降低到27.3%。此外，此技术也可抵抗基于彩色人脸图像识别的模型攻击。
三、全国顶尖医疗团队测试“Digital Mask”通过临床诊断要求
眼周生物识别是个人生物识别信息中最独特的子集之一，可用于协助构建强大的生物识别认证系统。此外，眼睛是整体健康的窗口。眼周特征与冠心病显着相关，眼球动力学的异常拓扑变化也表明视功能差和视觉认知发育问题。大多数眼病伴随异常眼睑和眼球运动。团队重点测试了最常见的四种相关眼病，包括上睑下垂、眼球震颤、斜视和甲状腺相关眼眶病，涉及十多种异常行为表型，例如眼睑回缩、眼外肌运动亢进或不转动以及水平或垂直斜视、代偿性头位等。医疗团队来自中山眼科中心四个专科的12名专家教授，分别对使用“Digital Mask”和未使用“Digital Mask”的病人进行疾病诊断，结果显示几乎完美的诊断一致性，和可比的诊断准确率。
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院士、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博士后、清华大学软件学院吕军锋博士、中山大学中山眼科中心汪瑞昕博士为本文的共同第一作者。
