Dans un article publié jeudi dans Nature Medicine, une équipe de scientifiques de l’Université de Cambridge et de l’Université chinoise Sun Yat-sen a révélé qu’elle utilisait des algorithmes de reconstruction tridimensionnelle (3D) pour effacer les caractéristiques reconnaissables des images faciales tout en préservant les caractéristiques pertinentes. nécessaire aux diagnostics. Les images faciales peuvent être utiles pour identifier les signes de la maladie, mais il en va de même pour d’autres informations biométriques sur le patient, notamment la race, le sexe, l’âge ou l’humeur. La numérisation croissante des dossiers médicaux s’accompagne d’un risque de violation de données, et les données faciales sont plus difficiles à anonymiser tout en préservant les informations critiques. Les méthodes conventionnelles, y compris le floutage et le recadrage de régions reconnaissables, peuvent manquer des informations importantes sur la maladie, mais elles ne peuvent même pas complètement échapper aux systèmes de reconnaissance faciale. Pour des raisons de confidentialité, les gens sont souvent réticents à partager leurs données médicales pour la recherche médicale publique ou les dossiers de santé électroniques, ce qui freine le développement de la santé numérique. Comparé à la méthode traditionnelle utilisée pour “anonymiser” les patients, c’est-à-dire recadrer l’image, le risque d’identification était significativement plus faible chez les patients masqués numériquement. Les chercheurs ont testé cela en montrant à 12 ophtalmologistes des images masquées ou recadrées numériquement et en leur demandant d’identifier l’original à partir de cinq autres images. Ils ont correctement identifié l’original à partir de l’image masquée numériquement un peu plus d’un quart (27 %) du temps. pour les images recadrées, ils ont pu le faire dans la grande majorité des cas (91%). L’équipe a interrogé des patients sélectionnés au hasard fréquentant des cliniques pour évaluer leurs attitudes à l’égard des masques numériques. Plus de 80 % des patients pensaient que le masque numérique atténuerait leurs préoccupations en matière de confidentialité et seraient plus susceptibles de partager leurs informations personnelles si une telle mesure était mise en œuvre. L’équipe de recherche a également confirmé que les masques numériques peuvent échapper aux algorithmes de reconnaissance faciale basés sur l’IA.