近年來，科學(xué)家們?cè)陂_發(fā)人工智能算法方面取得了長(zhǎng)足的進(jìn)步，這些算法可以分析患者數(shù)據(jù)并提出診斷疾病或預(yù)測(cè)哪種治療對(duì)不同患者最有效的新方法。
這些算法的成功取決于對(duì)患者健康數(shù)據(jù)的訪問，這些數(shù)據(jù)已經(jīng)被剝奪了可用于從數(shù)據(jù)集中識(shí)別個(gè)人的個(gè)人信息。然而，通過其他方式識(shí)別個(gè)人身份的可能性引起了隱私權(quán)倡導(dǎo)者的關(guān)注。
在一項(xiàng)新研究中，由麻省理工學(xué)院首席研究科學(xué)家 Leo Anthony Celi 領(lǐng)導(dǎo)的一組研究人員量化了這種患者重新識(shí)別的潛在風(fēng)險(xiǎn)，并發(fā)現(xiàn)目前相對(duì)于數(shù)據(jù)泄露的風(fēng)險(xiǎn)而言，它的風(fēng)險(xiǎn)極低。事實(shí)上，在 2016 年至 2021 年期間，也就是研究檢查的時(shí)期，沒有關(guān)于通過公開可用的健康數(shù)據(jù)重新識(shí)別患者的報(bào)告。
研究結(jié)果表明，患者隱私的潛在風(fēng)險(xiǎn)大大超過了患者的收益，他們受益于更好的診斷和治療，Celi 說。他希望在不久的將來，這些數(shù)據(jù)集將變得更廣泛可用，并包括更多樣化的患者群體。
“我們同意患者隱私存在一定風(fēng)險(xiǎn)，但也存在不共享數(shù)據(jù)的風(fēng)險(xiǎn)，”他說。“不共享數(shù)據(jù)是有害的，這需要考慮到等式中。”
Celi 也是哈佛 TH Chan 公共衛(wèi)生學(xué)院的講師和貝絲以色列女執(zhí)事醫(yī)療中心肺科、重癥監(jiān)護(hù)和睡眠醫(yī)學(xué)部的主治醫(yī)師，他是這項(xiàng)新研究的資深作者。貝絲以色列女執(zhí)事醫(yī)療中心的胸外科研究員 Kenneth Seastedt 是這篇論文的主要作者，該論文今天發(fā)表在PLOS Digital Health 上。
風(fēng)險(xiǎn)收益分析
由醫(yī)院和其他機(jī)構(gòu)創(chuàng)建的大型健康記錄數(shù)據(jù)庫(kù)包含有關(guān)心臟病、癌癥、黃斑和 等疾病的大量信息，研究人員利用這些信息試圖發(fā)現(xiàn)診斷和治療疾病的新方法。
麻省理工學(xué)院計(jì)算生理學(xué)實(shí)驗(yàn)室的 Celi 和其他人創(chuàng)建了幾個(gè)公開可用的數(shù)據(jù)庫(kù)，包括重癥監(jiān)護(hù)醫(yī)學(xué)信息集市 (MIMIC)，他們最近使用這些數(shù)據(jù)庫(kù)開發(fā)了可以幫助醫(yī)生做出更好醫(yī)療決策的算法。許多其他研究小組也使用了這些數(shù)據(jù)，其他研究小組也在世界各國(guó)創(chuàng)建了類似的數(shù)據(jù)庫(kù)。
通常，當(dāng)將患者數(shù)據(jù)輸入此類數(shù)據(jù)庫(kù)時(shí)，會(huì)刪除某些類型的識(shí)別信息，包括患者姓名、地址和電話號(hào)碼。這是為了防止患者被重新識(shí)別，并防止他們的醫(yī)療狀況信息被公開。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！