Skanery oka rozpalały wyobraźnie widzów w filmie Tylko dla Twoich oczu (org. Never say never again) o Jamesie Bondzie w latach osiemdziesiątych, jeszcze zanim technologia skanowania tęczówki została opatentowana. Dopiero w obecnych czasach zyskuje ona na popularności i jest wprowadzana np. na lotniskach jako wysoce skuteczna alternatywa systemów rozpoznawania twarzy (FRT). W tym artykule postaram się omówić, czym są skanery oka, i przyjrzeć się nieco ich zastosowaniu. Na wstępie chciałabym jednak zaznaczyć, że nie jestem ekspertem w tej dziedzinie, a informacje zawarte w tekście należy potraktować raczej w ramach ciekawostki technologicznej niż badania naukowego [1, 2].
Czytnik tęczówki to specjalna kamera, która wykonuje zdjęcia o bardzo wysokiej rozdzielczości. Okazuje się, że obraz tęczówek jest wysoce indywidualny i różny u każdego człowieka, nawet u bliźniąt jednojajowych. Ponadto skan tęczówek wydaje się lepszy np. od czytników linii papilarnych ze względu na szybszą detekcję i bezstykową metodę. Tę ostatnią cechę możemy docenić szczególnie w czasach pocovidowych, gdyż pozwala zmniejszyć ryzyko infekcji, do których dochodzi poprzez dotyk (chodzi o tzw. choroby brudnych rąk) [3].
Okulografia, czyli tzw. eye tracking, to technologia, która równie mocno pobudza wyobraźnię i jest oparta na innym rodzaju skanowania oczu. Istnieją różne urządzenia mierzące ruchy gałek ocznych; gama ich zastosowań również jest szeroka: marketing, badania w psychologii, a także obsługa wózków inwalidzkich, ramion robotycznych i protez przez osoby z niepełnosprawnościami. Warto przyjrzeć się tej historii o technologii, która rozpoczęła się od obserwacji ruchu źrenic ludzi podczas czytania. Okazuje się, że nasz wzrok nie przesuwa się w sposób ciągły, lecz tylko fiksuje na niektórych wyrazach i skacze między fragmentami tekstu. Zauważono, że na niektórych słowach nasze spojrzenie zatrzymuje się dłużej lub do nich wraca. Na podstawie tych obserwacji wysnuto teorię, że ukazuje to sposób naszego myślenia, a to, co widzimy, przetwarzamy natychmiast. Nie jest to jednak jedyna hipoteza. Istnieje przecież tzw. przekaz podprogowy 1, gdy przetwarzamy obraz, choć widzieliśmy go przez mniej niż sekundę. Niewątpliwie jest to pasjonujący temat, a jeśli kogoś zaciekawił, to warto poszukać odpowiedzi w źródłach naukowych [4].
Skanerem biometrycznym budzącym kontrowersje jest rozpoznawanie twarzy (FRT). Technologię tę wykorzystuje się na lotniskach, w social mediach i telefonach komórkowych. Kamera skanująca rozpoznaje i koduje punkty naszej twarzy, które poprzez porównanie z twarzami istniejącymi w bazie danych można następnie wykorzystać do weryfikacji tożsamości ze zdjęciem na dokumentach lub do identyfikacji osób poprzez porównanie z bazą danych. Kontrowersje dotyczyły systemów uczenia 2, które nie są jeszcze bezbłędne, gdyż mogą powodować mylne rozpoznanie danej osoby i utożsamienie jej z innym człowiekiem. Dotyczy to szczególnie osób czarnoskórych, a przyczyną może być sposób zaprogramowania algorytmu stworzony przez osoby białe. Do takiej pomyłki doszło w Stanach Zjednoczonych, otóż system ten fałszywie rozpoznał Roberta Williamsa, 45-letniego wówczas mieszkańca Detroit, którego omyłkowo oskarżono o kradzież i zatrzymano w USA. Sędzia oddalił zarzuty, gdyż przyznano, że komputer mógł błędnie rozpoznać sprawcę. Technologia ta wymaga zatem dopracowania i nie może być obecnie wykorzystywana jako kluczowy dowód w sprawie. Z drugiej strony, w New Delhi służby od 2018 r. z powodzeniem wykorzystują ją do szukania zaginionych dzieci [5, 6].
Typowo medycznym badaniem, które również można określić jako skan oka, jest OTC, czyli optyczna koherentna tomografia. W tym wypadku obrazuje się siatkówkę, głównie rejon plamki żółtej zlokalizowanej nieopodal dna oka, oraz nerw wzrokowy. Wykorzystuje się do tego fale świetlne, które częściowo odbijają się od tkanek i są powtórnie rejestrowane. Dzięki temu powstaje trójwymiarowy obraz w jakości zbliżonej do mikroskopu o niskiej rozdzielczości. OCT jest uznaną metodą obrazowania medycznego i służy np. do diagnozowania zwyrodnienia plamki (częsta dolegliwość oczu związana ze starzeniem) czy stwardnienia rozsianego oraz obserwacji postępowania jaskry. Badacze zajmują się też sposobem używania OCT do obrazowania tętnic wieńcowych w celu wczesnego wykrycia chorób układu krwionośnego [7, 8].
To właśnie w kontekście wczesnego wykrycia ryzyka sercowo-naczyniowego usłyszałam ostatnio o skanie oka. Istnieją doniesienia, że badanie dna oka i siatkówki może być dobrym wskaźnikiem ryzyka śmierci z powodu chorób sercowo naczyniowych, ponieważ jest mało inwazyjne, tanie i szybkie. Dodatkowo w tych badaniach stosuje się rodzaj sztucznej inteligencji, zwany uczeniem głębokim, tzw. DL (z ang. deep learning). W ciągu ostatniej dekady naukowcy w wielu badaniach skutecznie stosowali DL do wykrywania schorzeń oczu, takich jak retinopatia cukrzycowa, zwyrodnienie plamki związane z wiekiem i zaćma. W ten sposób zyskano wiele danych, na których można było trenować i testować systemy DL. Choć na tym etapie rozwoju systemy DL nie są jeszcze w stanie przewidywać wystąpienia chorób, to metoda jest obiecująca i naukowcy wiążą z nią duże nadzieje, być może także do szacowania ryzyka śmierci, nawet z możliwością określenia, kiedy owa mogłaby nastąpić.
Natrafiłam na artykuł w „Focusie” napisany na podstawie jednego z badań opublikowanych w „British Journal of Ophthalmology” [9]. Autorzy polskiego tekstu pisali, że badaczom udało się zaobserwować wzrost ryzyka śmierci o 2% na każdy rok zaobserwowanego ,,postarzenia siatkówki” w porównaniu do wieku biologicznego. Jednak zgodnie z moją wiedzą i tym, co wykładano nam na studiach, wyniki badania źródłowego zostały błędnie zinterpretowane przez autorów artykułu. W badaniach naukowych trudno podać wynik z całkowitą pewnością, dlatego że naukowcy zdają sobie sprawę z istnienia różnych czynników zakłócających, nawet jeśli nie potrafią ich wskazać. Z tego powodu powstał przedział ufności, czyli zakres, w którym z 95% prawdopodobieństwem zawiera się wynik. Odnośnie tego wyniku przedział ufności zawiera liczbę 1, która oznacza neutralność wyniku (brak efektu). Zatem rzeczywisty wynik może być każdą z liczb w zakresie od 1 do 1,04. Dlatego istnieje możliwość, że hipoteza, czyli 2% wzrost ryzyka śmierci, nie odzwierciedla rzeczywistości, lecz jest jedynie błędną korelacją.
Zdecydowanie skan oka to obiecująca technologia i już teraz prowadzi się w tej dziedzinie wiele badań naukowych. O ile OCT w okulistyce jest powszechnie stosowane, to na możliwość szacowania ryzyka śmierci za pomocą tej metody przyjdzie nam jeszcze trochę poczekać.
Okazuje się, że naukowcy potrafią całkiem sporo wyczytać z naszych oczu. Mówi się, że są one zwierciadłem duszy, i choć ,,mędrca szkiełko i oko” nie zdołały jeszcze wychwycić z naszego narządu wzroku tego, co wiąże się z emocjami i intencjami, to na poziomie medycznym i technologicznym radzą sobie już całkiem nieźle. Metody skanowania mają coraz więcej zastosowań w naszym życiu codziennym. A co przyniesie przyszłość? To dopiero przed nami.
Bibliografia
- https://www.national-geographic.pl/artykul/lotnisko-w-dubaju-testuje-skaner-teczowek-narzedzie-ma-zastapic-tradycyjne-paszporty
- https://www.thelegendofq.co.uk/iris-recognition.html
- https://www.autoid.pl/produkty/automatyczna-identyfikacja-osob/czytniki-teczowki-oka
- https://en.wikipedia.org/wiki/Eye_tracking
- https://youtu.be/ZpRbvV_qQaQ?si=rkMVk6JrWqJLuszU
- https://news.sky.com/story/racial-bias-in-ai-officers-questioned-father-in-watch-theft-probe-after-he-was-wrongly-identified-by-facial-recognition-technology-13004065
- https://pl.wikipedia.org/wiki/Koherencyjna_tomografia_optyczna
- https://www.medicover.pl/badania/oct/
- https://www.focus.pl/artykul/skan-siatkowki-pozwala-ocenic-ryzyko-przedwczesnej-smierci-to-wazny-biomarker-starzenia-220119112924
Przypisy
- Przekaz podprogowy to oddziaływanie na mózg informacji bez jego świadomości ich spostrzegania (przyp. red. na podstawie https://pl.wikipedia.org/wiki/Percepcja_podprogowa). ↩︎
- Uczenie maszynowe, samouczenie się maszyn albo systemy uczące się (ang. machine learning) – obszar sztucznej inteligencji poświęcony algorytmom, które poprawiają się automatycznie poprzez doświadczenie, czyli ekspozycję na dane (przyp. red. na podstawie https://pl.wikipedia.org/wiki/Uczenie_maszynowe). ↩︎