A közvetlenül a fogyasztók számára végzett genetikai tesztek lehetővé tették több millió ember számára, hogy meghatározzák származásukat, és betekintést nyerjenek az örökletes betegségekre való genetikai hajlamukba. Míg az egyéni genotipizálási információkat biztonságosan tárolják, egyesek beleegyeznek abba, hogy genomikai adataikat további tanulmányozás céljából megosszák.
Ez az adatmegosztás jogos aggályokat vetett fel a genomikai adatvédelemmel kapcsolatban. Például a nyílt forráskódú webes platformokról legálisan letöltött genotípusadatok alapján hackerek újra azonosíthatnak-e valakit. esetleg megalkothatják-e az arcképét?
A Human Longevity genomikai alapú egészségügyi intelligenciával foglalkozó vállalat és más kutatócsoportok 2017-ben arról számoltak be, hogy a DNS alapján megjósolható egy személy arca. A St. Louis-i Washington Egyetem docense, Jevgenyij "Eugene" Vorobeychik, aki az adatmegosztási környezetek adatvédelmi kockázatainak szakértője tanulmányt készített a problémáról.
"Meg akartuk nézni, hogy ezek az eredmények milyen mértékben általánosíthatók a való világra. Megvizsgáltuk, hogy lehetséges-e gyakorlatiasabb helyzetben bizonyítani, hogy ezek az aggodalmak valósak" - mondta a kutató.
Vorobeychik és szerzőtársai megállapították, hogy az arcok és a genomok összekapcsolása átlagosan sokkal nehezebb feladat, mint ahogyan azt korábban jelentették. Eredményeiket a Science Advances folyóiratban tették közzé.
A tanulmányban olyan módszert dolgoztak ki, amellyel kiszámították, hogy az OpenSNP genom-megosztó platformról származó 126 genom gondosan kezelt adathalmazából az egyének újraazonosításának kockázata mekkora, ha ezeket nyilvánosan közzétett arcképekkel kapcsolják össze. Konkrétan neurális hálózati modelleket használtak a látható fizikai tulajdonságok, például a haj, a szem és a bőr színe, valamint a nem előrejelzésére, majd ezt az információt az ismert genotípus-vonás korrelációkkal együtt felhasználták a lehetséges genom-arc egyezések pontozására.
A korábbi fenotípus-asszociációs tanulmányok laboratóriumi körülmények között, professzionális minőségű megvilágítással készített, kiváló minőségű fényképeket használtak. Vorobeychik csapata ezzel szemben a közösségi oldalakon talált, valós fényképek felhasználásával végezte kutatását.
"Azt csináltuk, hogy valószínűségi modelleket építettünk ezekre a különböző vizuális jellemzőkre, és lényegében összekapcsoltuk a pontokat azáltal, hogy értékeltük az egyes genomok és az egyes arcok közötti megfelelés minőségét. Ezután ezt a pontozási rendszert használtuk arra, hogy megjósoljuk, mely egyezések a legvalószínűbbek" - magyarázta Vorobeychik.
Összességében az eredményeik arra utalnak, hogy néha lehetséges a nyilvános arcképek és a nyilvános genomikai adatok összekapcsolása, de a sikerességi arányok jóval alacsonyabbak annál, mint amit a korábbi kutatási tanulmányok idealizált környezetben mértek.
"Megfigyeléseink azonban az egyének egy gyűjteményére vonatkozó átlagos adatvédelmi kockázatról szólnak. Lehetséges, hogy néhány ember esetében az adatvédelmi kockázat valóban magas" - állípította meg a tanulmány szerzője.
Az ilyen egyének magánéletének védelme érdekében Vorobeychik csapata olyan módszert hozott létre, amely éppen annyira módosítja a közösségi médiában készült fényképet, hogy a neurális hálózat ne tudja megbízhatóan azonosítani a látható vonásokat, és ezáltal csökkenti a kockázatot azok esetében, akik nyilvánosan közzétették genomikai adataikat, és akiknek a képe máshol is megjelenik az interneten.
"A módszerünk elég észrevehetetlen zajt ad a képhez ahhoz, hogy a mély neurális hálózat nehezen tudja összekapcsolni az arc fenotípusát egy adott genommal. Ez a gondosan megalkotott zaj nem változtatja meg az arc szabad szemmel való észlelését" - mondta a kutatásvezető.
Ezt az eszközt tovább lehetne fejleszteni olyan képszűrőkké, amelyeket az egyének használhatnának, hogy megvédjék a közösségi médiában készült fotóikat a hackerektől, akik esetleg megpróbálnák összekapcsolni a képeiket az OpenSNP-n vagy más online oldalakon nyilvánosan megosztott genetikai adatokkal.
