在开放科学和隐私保护的时代,视网膜成像

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 生物医学工程 生物医学工程

背景情况:

• 人工智能 (AI) 显示出分析复杂健康数据的潜力,以改善患者护理和疾病研究.
• 人工智能对视网膜成像的解释为开发系统性疾病的非侵入性生物标志物提供了一条途径.
• 政府监管,特别是在美国,正在讨论视网膜成像作为生物识别数据的分类,这可能是一个潜在的限制.

研究的目的:

• 反对视网膜成像被归类为生物识别数据.
• 突出视网膜成像对于人工智能驱动的生物标志物研究的重要性.
• 倡导继续获得用于人工智能研究的视网膜成像数据集.

主要方法:

• 视网膜成像与其他生物识别数据 (例如虹膜扫描) 的比较分析.
• 讨论获得高质量的视网膜图像的技术挑战.
• 检查视网膜成像数据的动态性和非识别性.

主要成果:

• 视网膜成像需要专门的设备和专业知识,与更容易捕获的生物识别数据不同.
• 视网膜图像特征可以随着健康状况而改变,并且通常不会与大型识别数据库联系起来.
• 目前的局限性使得视网膜成像不太适合作为独特的生物识别标识符.

结论:

• 视网膜成像具有与传统生物识别数据区分的特点.
• 将视网膜成像归类为生物识别数据将大大阻碍人工智能研究和新生物标志物的开发.
• 研究界应该倡导政策,允许在人工智能研究中使用视网膜成像,以推进医疗保健.