Dovanokite savo sveikatos priežiūros duomenis šiandien
Šis įrašas, Dovanokite savo sveikatos priežiūros duomenis šiandien , iš pradžių paskelbta kaip nuomonės medžiaga „The New York Times“ „The Privacy Project“ 2019 m. spalio 2 d.
Jei tai skaitote, tikriausiai vis labiau susirūpinote savo duomenimis ir dėl geros priežasties: Atrodo, kad kiekvieną dieną mes pabundame naujienomis apie naująduomenų pažeidimasar privatumo pažeidimas, skatinant kolektyvinę paranoją plačiai ir gerai keliauti.
Ši baimė yra bene labiausiai pateisinama, kai kalbama apie tokius intymius dalykus, kaip mūsų sveikata - užpuoliko, turinčio neteisėtą prieigą prie mūsų gydymo įrašų, vaistų protokolo ir išsamių elektroninių sveikatos įrašų, įvaizdyje yra kažkas. Kita vertus, ar tikrai turėtume taip jaudintis, kad žmonės sužinos apie mūsų aritmijos istoriją ar neseniai atlikto kraujo tyrimo rezultatus? Iš tikrųjų pavojingas ne šių duomenų egzistavimas, o agentų, galinčių juos gauti ir kam jie nusprendžia juos naudoti, ketinimas.
Tačiau manau, kad laikas sustoti ir apsvarstyti, kaip galėtume pertvarkyti ir permąstyti savo kultūrinį pasakojimą apie privatumą, ypač svarbų vaidmenį, kurį sveikatos priežiūros duomenys galėtų atlikti medicinos naujovių srityje. Apibendrinti sveikatos priežiūros duomenys gali būti visuomenės labas, dalis bendro pastangų kurti naujus gydymo būdus, pagerinti klinikinius rezultatus visose medicinos srityse ir išgelbėti gyvybes.
per kiek laiko strattera pradeda veikti
Mūsų dabartiniai „sveikatos priežiūros duomenys“ apima daugybęprofiliavimastokia informacija kaip šeimos istorija, socialinė ir ekonominė padėtis, geografija, taip pat mūsų medicininiai duomenys - informacija, tiesiogiai susijusi su gydymu, procedūromis ir vaistų vartojimu. Pažvelkime į pasaulį iki 1996 m., Kai Kongresas priėmėSveikatos draudimo perkėlimo ir atskaitomybės įstatymas, svarbiausi sveikatos privatumo įstatymai, kurie lieka nepakitę ir šiandien. Prieš HIPAA gydytojams, slaugytojoms ir vaistinėms jau seniai buvo leista duoti trečiosioms šalims tai, kas dabar vadinama „saugoma informacija apie sveikatą“- identifikuojama informacija, susijusi su ligos istorija, būkle ir gydymu. Medicinos įrašai nebuvo skaitmeninami, o rašomi rašikliu ar pieštuku, sudėti į popierinius aplankus ir abėcėlės tvarka surašyti biuro administratoriaus rankomis.
Technologiniu požiūriu daug kas pasikeitė nuo 1996 m. - net nuo 2009 m., Kai Kongresas priėmėSveikatos informacinių technologijų ekonominės ir klinikinės sveikatos įstatymas, kuria buvo siekiama skatinti paslaugų teikėjus ir pacientus naudoti technologijas ir elektroninius medicinos įrašus. Duomenų kaupimo ir skaičiavimo technologijų patobulinimų dėka medicinos pažanga nebesikliauja vien tik individualiais žmogaus mokymosi procesais - tikrina hipotezes realiuoju laiku, stebi ribotų duomenų rinkinių rezultatus, kuria teorijas, pagrįstas laikui bėgant.
Kiekvieną dieną renkant ir skaitmeninant didžiulį kiekį pacientų sveikatos duomenų, dėmesys skiriamas kitam galvosūkio fragmentui. Apibendrinant, mūsų anonimizuoti sveikatos įrašai gali tapti didelio masto duomenų rinkinio dalimi, siekiant pagerinti ligų diagnostiką ir gydymą visose medicinos srityse, naudojantmašininis mokymasisalgoritmai. Kuo daugiau anoniminių duomenų - demografinių ir medicininių - renkame, tuo geriau galime nustatyti priežastis, anksti diagnozuoti ir sukurti geresnį gydymą. Proceso metu galime nustatyti ryšius tarp anksčiau atjungtų duomenų rinkinių - diagnozių ir geografijos, vaistų vartojimo protokolo ir gyvenimo būdo, gydymo sėkmės ir ligos istorijos bei daugybės kitų.
ar aš rūkau per daug piktžolių viktorina
Norint tai padaryti sėkmingai ir masto, mums reikia duomenų. Visi mūsų duomenys. Mano ir tavo.
Neseniai įrodyta, kad mašininis mokymasis ankstyvą plaučių vėžį nustato tiksliau nei žmogaus radiologai. 2019 m. Gegužės mėn. „Google“ ir „Northwestern Medicine“ drauge pritaikyti giluminio mokymosi algoritmą 42 290 pacientų kompiuterinėms tomografijoms nuspėti, kokia yra plaučių vėžio tikimybė. Kadangi vaizdus sunku perskaityti, „Google“ ir „Northwestern“ tyrimas sukūrė mašininio mokymosi modelį jiems perskaityti, tada rezultatus palygino su šešių patyrusių radiologų rezultatais. Tyrimo duomenimis, mašininio mokymosi modeliu pavyko nustatyti vėžį 5 proc. Dažniau nei radiologų ir 11 proc. Dažniau sumažėjo klaidingų teigiamų rezultatų.
Tai tik vienas pavyzdys, tačiau jame pabrėžiamas didelio masto atpažinimo poreikis kuriant nuspėjamuosius diagnostinius modelius. Žmogaus smegenys gali sukurti giluminio mokymosi algoritmus, reikalingus tokiai naujovei, tačiau tik algoritmai gali efektyviai atpažinti modelius tokiu dideliu ir paveikiu mastu.
Kai kurie gali teigti, kad galimą žalą Sveikatos priežiūros įmonės duomenų pažeidimas yra daug sudėtingesnis nei žala, kurią sukelia kitos duomenų karo formos, ir jie yra teisingi. Nukentėjusieji negali paprasčiausiai pakeisti slaptažodžių ar anuliuoti kreditinių kortelių, kad išspręstų tapatybės vagystės, sukčiavimo, rizikos profiliavimo, tikslinės psichografijos, padidėjusių draudimo įmokų ir kitų pavojingų (ir brangių) padarinių riziką.
Nepaisant to, skaitmeniniai sveikatos priežiūros duomenys ir toliau bus renkami kiekvieną dieną, suteikiant milžiniškas medicininių tyrimų ir gydymo galimybes, taip pat neišvengiamą pavojaus potencialą, kuris egzistuoja visose skaitmeninio gyvenimo srityse. Kodėl gi nepadarius šios informacijos tinkamų agentų rankose ir nenustačius griežtų reguliavimo bei vykdymo protokolų?
kaip sustabdyti blogas mintis galvoje
Turint reguliavimo institucijų paramą ir įsikišimą, jų turėtų būti daugatpažinimasnegrįžtamai anonimizuoti mūsų asmens duomenis. Šios įstaigos taip pat turėtų uždrausti sveikatos priežiūros duomenų kaupimą pinigais ir užkirsti kelią jų naudojimui profiliavimui ar bet kokiems kitiems neetiškiems ar nusikalstamiems tikslams. Nulinės tolerancijos politika dėl netinkamo mūsų duomenų naudojimo tikriausiai duos geresnių rezultatų nei kitas kibernetinių nusikaltimų konsultantas ar geresni kompiuterių serveriai.
Didžiulis informacijos, kurią turime kiekvienas, kiekis yra pernelyg svarbus, kad ją paliktų tik keli subjektai - privatūs ar viešieji. Mes galime galvoti apie savo sveikatos priežiūros duomenis kaip indėlį į visuomenės gerovę ir suvienodinti jų prieinamumą mokslininkams ir tyrėjams visose disciplinose, pavyzdžiui, atvirojo kodo. Iš ten įsivaizduokite geresnius nuspėjamus modelius, kurie savo ruožtu leis geriau ir anksčiau diagnozuoti, o galiausiai ir geresnį gydymą.
Jūsų sveikatos priežiūros duomenys gali padėti žmonėms, kurie bent jau kai kuriais medicinos aspektais yra labai panašūs į jus. Tai netgi gali išgelbėti jų gyvybes. Teisingas dalykas, susijęs su jūsų duomenimis, yra ne jų saugojimas, o bendrinimas.
Vaizdo kreditas: Claire Merchlinsky via „The New York Times“
