如今，患者到医院看病，检查影像等医疗数据都储存在医院“云端”。这些数据给患者就医和医疗科研带来了便利，但也存在个人敏感信息数据泄露的风险。

针对这个问题，中山大学中山眼科中心牵头启动了一项结合数字技术与医学技术的交叉研究。历时3年多，团队成功研发了“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，实现“识病不识人”的匿名就医效果。

林浩添教授介绍研究成果

9月16日，记者从中山大学中山眼科中心获悉，该研究成果近日在国际医学顶级期刊《自然医学》（Nature Medicine）在线发表。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该文章的共同第一作者。

“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。”中山大学中山眼科中心林浩添教授介绍，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。

该团队研究表明，在六选一的识别测试中，使用部分遮挡等传统的信息保护技术，受试者的身份被识别率为91.3%。这意味着，哪怕遮盖面部只留眼睛，受试者的身份依然能够被准确地识别出来。

如何在医疗数据采集和储存中，更好地保护患者隐私？林浩添团队与清华大学戴琼海院士、徐枫教授团队，联合国内外十余家医疗领域、人工智能领域、三维重建领域的顶级科研机构，共同进行了技术攻关。

研究团队用面部三维重建技术，在受试者的面部重新建模，可以在保留疾病体征的同时抹去个人身份信息，如同给受试者戴了一个“数字面罩”。值得留意的是，使用该技术后，对图像无法进行逆向工程，其他人无法还原初始图像，更好地保护隐私。

在六选一的识别测试中，受试者在“Digital Mask”的保护下，身份被识别率降低到了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。

使用“数字面罩”后，疾病诊断的准确性是技术落地的关键。团队重点测试了上睑下垂、眼球震颤、斜视和甲状腺相关眼眶病等最常见的4种眼周疾病，涉及十多种异常行为表型，例如眼睑回缩、眼球运动亢进或不足、代偿头位等。

来自中山眼科中心4个专科的12名专家教授，分别对使用新技术和未使用新技术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。

患者对新技术的接受度也比较高。团队通过问卷调查统计分析显示，使用“Digital Mask”技术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。

林浩添说，这项技术突破了患者面部图像去身份化的技术瓶颈，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。下一步，研究团队将致力于继续扩大“数字面罩”下可识别的疾病种类，并且推动探索该技术在临床的落地使用。

【记者】朱晓枫

【通讯员】邰梦云