Деідентифікація даних охорони здоров'я

Навігація зі складнощів щодо дотримання вимог до об’єднання AI та охорони здоров’я

Завдяки великій кількості дешевої обчислювальної потужності та нескінченному потоку даних, штучний інтелект та машинне навчання роблять дивовижні речі для організацій по всьому світу. На жаль, деякі галузі, які можуть отримати неймовірні переваги від цих передових технологій, також суворо регулюються, що додає тертя до того, що вже може бути складним впровадженням.

Охорона здоров’я є символом суворо регульованої галузі, і організації в Сполучених Штатах протягом майже 25 років змушені були обробляти захищену медичну інформацію (PHI) відповідно до Закону про перенесення та підзвітність медичного страхування (HIPAA). Однак сьогодні положення щодо різного роду персональної інформації (PII) зближуються, включаючи Загальне положення про захист даних Європи (GDPR), Закон Сінгапуру про захист персональних даних (PDPA) та багато інших.

Хоча правила зазвичай орієнтовані на мешканців певної місцевості, точні моделі штучного інтелекту вимагають великих наборів даних, різноманітних за віком, статтю, расою, етнічною приналежністю та географічним розташуванням їх суб’єктів. Це означає, що компанії, які сподіваються запропонувати медичним працівникам наступне покоління рішень з штучним інтелектом, повинні перескочити через не менш численний і різноманітний діапазон регуляторних обручів або ризикувати створити інструменти з вбудованими упередженнями, які забруднюють результати.

Деідентифікація даних

Деідентифікація даних Щоб отримати достатньо даних, щоб ефективно «навчити» ШІ, потрібен час, а деідентифікація цих даних для забезпечення захисту та анонімності їх власників може бути ще більшою справою. Тому Shaip пропонує ліцензійні дані охорони здоров'я який створений для створення моделей штучного інтелекту, включаючи текстові медичні записи пацієнтів і дані претензій, аудіо, такі як записи лікаря або розмови пацієнта/лікаря, і навіть зображення та відео у вигляді рентгенівських променів, КТ та результатів МРТ.

Наші високоточні рішення API гарантують, що всі 18 полів (відповідно до вимог Рекомендацій із безпечної гавані) повністю деідентифіковані та не містять PHI, а експертне визначення з людьми в циклі (HITL) гарантує, що ніщо не може вийти з ладу. Shaip також включає можливості анотації медичних даних, які є вирішальними для масштабування проекту. Процес анотування включає уточнення обсягу проекту, проведення тренінгів і демонстраційних анотацій, а також остаточний цикл зворотного зв’язку та аналіз якості, що забезпечує відповідність результуючих анотованих документів заданим вимогам.

Використовуючи нашу хмарну платформу, клієнти отримують доступ до потрібних даних у захищеному, сумісному та масштабованому середовищі для задоволення будь-яких потреб. У випадках, коли ручний обмін даними небажаний, наші API часто можна інтегрувати безпосередньо в клієнтську платформу, щоб полегшити доступ майже в реальному часі як до даних, так і API для деідентифікації.

Створення моделей штучного інтелекту є досить складним завданням без необхідності шукати власні набори даних, тому майже завжди краще передати це трудомістке завдання на аутсорсинг спеціалізованому постачальнику. Наша команда спеціалізованих фахівців з транскрипції анонімних даних має високу кваліфікацію у сфері захисту захищеної медичної інформації (PHI) та медичної термінології, щоб забезпечити надання даних найвищої якості. Окрім економії часу та грошей, ви також уникаєте потенційно серйозних штрафів , які можуть супроводжувати помилкове використання невідповідних даних.

Щоб допомогти вам визначити, чи є Shaip тим партнером, якого ви шукали, ми пропонуємо різноманітні зразки наборів даних, які ви можете використовувати для початку навчання своїх алгоритмів вже сьогодні. Сподіваємося, що ви приєднаєтеся до нас і спостерігатимете за розвитком вашої ініціативи зі штучним інтелектом.

Наші високоточні рішення API гарантують, що всі 18 полів (відповідно до вимог Рекомендацій із безпечної гавані) повністю деідентифіковані та не містять PHI, а експертне визначення з людьми в циклі (HITL) гарантує, що ніщо не може вийти з ладу. Shaip також включає можливості анотації медичних даних, які є вирішальними для масштабування проекту. Процес анотування включає уточнення обсягу проекту, проведення тренінгів і демонстраційних анотацій, а також остаточний цикл зворотного зв’язку та аналіз якості, що забезпечує відповідність результуючих анотованих документів заданим вимогам.

Використовуючи нашу хмарну платформу, клієнти отримують доступ до потрібних даних у захищеному, сумісному та масштабованому середовищі для задоволення будь-яких потреб. У випадках, коли ручний обмін даними небажаний, наші API часто можна інтегрувати безпосередньо в клієнтську платформу, щоб полегшити доступ майже в реальному часі як до даних, так і API для деідентифікації.

Створення моделей штучного інтелекту є досить складним завданням без необхідності шукати власні набори даних, тому майже завжди краще передати це трудомістке завдання на аутсорсинг спеціалізованому постачальнику. Наша команда спеціалізованих фахівців з транскрипції анонімних даних має високу кваліфікацію у сфері захисту захищеної медичної інформації (PHI) та медичної термінології, щоб забезпечити надання даних найвищої якості. Окрім економії часу та грошей, ви також уникаєте потенційно серйозних штрафів , які можуть супроводжувати помилкове використання невідповідних даних.

Щоб допомогти вам визначити, чи є Shaip тим партнером, якого ви шукали, ми пропонуємо різноманітні зразки наборів даних, які ви можете використовувати для початку навчання своїх алгоритмів вже сьогодні. Сподіваємося, що ви приєднаєтеся до нас і спостерігатимете за розвитком вашої ініціативи зі штучним інтелектом.

Сподобалася ця стаття? Слідкуйте за Shaip у LinkedIn, щоб отримувати більше оновлень.

Соціальна Поділитися