Phân tích dữ liệu có cấu trúc có thể hỗ trợ chẩn đoán và chăm sóc bệnh nhân tốt hơn. Tuy nhiên, phân tích dữ liệu không có cấu trúc có thể thúc đẩy những đột phá và khám phá y khoa mang tính cách mạng.
Đây là cốt lõi của chủ đề mà chúng ta sẽ thảo luận hôm nay. Thật thú vị khi thấy rằng rất nhiều tiến bộ vượt bậc trong lĩnh vực công nghệ chăm sóc sức khỏe đã diễn ra chỉ với 10-20% dữ liệu chăm sóc sức khỏe có thể sử dụng được.
Thống kê cho thấy hơn 90% dữ liệu trong phổ này là dữ liệu phi cấu trúc, tức là dữ liệu ít hữu ích hơn và khó hiểu, diễn giải và áp dụng hơn. Từ dữ liệu tương tự như đơn thuốc của bác sĩ đến dữ liệu kỹ thuật số dưới dạng hình ảnh y tế và dữ liệu nghe nhìn, dữ liệu phi cấu trúc có nhiều loại khác nhau.
Những khối dữ liệu phi cấu trúc khổng lồ như vậy là nơi chứa đựng những hiểu biết đáng kinh ngạc có thể thúc đẩy nhanh chóng những tiến bộ trong lĩnh vực chăm sóc sức khỏe trong nhiều thập kỷ. Cho dù đó là hỗ trợ phát hiện thuốc cho các bệnh tự miễn dịch nghiêm trọng gây tử vong hay dữ liệu có thể hỗ trợ các công ty bảo hiểm y tế trong việc đánh giá rủi ro, dữ liệu phi cấu trúc có thể mở đường cho những khả năng chưa biết.
Khi những tham vọng như vậy được thực hiện, khả năng diễn giải và khả năng tương tác của dữ liệu chăm sóc sức khỏe trở nên quan trọng. Với các hướng dẫn nghiêm ngặt và thực thi tuân thủ quy định chẳng hạn như GDPR và HIPAA đã có, điều tất yếu là xóa nhận dạng dữ liệu chăm sóc sức khỏe.
Chúng tôi đã đề cập đến một bài viết dài về việc làm sáng tỏ dữ liệu chăm sóc sức khỏe có cấu trúc và dữ liệu chăm sóc sức khỏe phi cấu trúc. Có một bài viết chuyên sâu (đọc rộng rãi) về xóa nhận dạng dữ liệu chăm sóc sức khỏe cũng vậy. Chúng tôi kêu gọi bạn đọc chúng để có thông tin toàn diện vì chúng tôi sẽ có bài viết này cho một phần đặc biệt về dữ liệu phi cấu trúc khử nhận dạng.
Những thách thức trong việc xác định dữ liệu phi cấu trúc
Như tên gọi của nó, dữ liệu phi cấu trúc không được sắp xếp. Nó nằm rải rác về mặt định dạng, loại tệp, kích thước, ngữ cảnh, v.v. Chỉ riêng việc dữ liệu phi cấu trúc tồn tại dưới dạng âm thanh, văn bản, hình ảnh y tế, mục nhập tương tự, v.v. khiến việc hiểu Mã định danh thông tin cá nhân (PII) trở nên khó khăn hơn, điều này rất cần thiết trong dữ liệu phi cấu trúc khử nhận dạng.
Để giúp bạn có cái nhìn tổng quan về những thách thức cơ bản, sau đây là danh sách nhanh:
- Hiểu theo ngữ cảnh – khi một bên liên quan AI khó có thể hiểu được bối cảnh cụ thể đằng sau một phần hoặc khía cạnh cụ thể của dữ liệu phi cấu trúc. Ví dụ, việc hiểu liệu một tên là tên công ty, tên người hay tên sản phẩm có thể dẫn đến tình huống khó xử về việc có nên ẩn danh hay không.
- Dữ liệu phi văn bản – việc xác định tín hiệu thính giác hoặc thị giác cho tên hoặc PII có thể là một nhiệm vụ khó khăn vì bên liên quan có thể phải ngồi xem nhiều giờ liền các cảnh quay hoặc bản ghi âm để cố gắng xóa nhận dạng các khía cạnh quan trọng.
- Sự mơ hồ – điều này đặc biệt đúng trong bối cảnh dữ liệu tương tự như đơn thuốc của bác sĩ hoặc mục nhập bệnh viện trong sổ đăng ký. Từ chữ viết tay đến những hạn chế về cách diễn đạt bằng ngôn ngữ tự nhiên, nó có thể khiến việc xóa nhận dạng dữ liệu trở thành một nhiệm vụ phức tạp.
Thực hành tốt nhất về việc xóa nhận dạng dữ liệu phi cấu trúc
Quá trình xóa PII khỏi dữ liệu phi cấu trúc khá khác so với dữ liệu có cấu trúc xóa nhận dạng nhưng không phải là không thể. Thông qua cách tiếp cận có hệ thống và theo ngữ cảnh, tiềm năng của dữ liệu phi cấu trúc có thể được khai thác một cách liền mạch. Hãy cùng xem xét những cách khác nhau để đạt được điều này.
Biên tập hình ảnh: Điều này liên quan đến dữ liệu hình ảnh y tế và bao gồm việc xóa các mã định danh bệnh nhân và làm mờ các tham chiếu giải phẫu và các phần khỏi hình ảnh. Chúng được thay thế bằng các ký tự đặc biệt để vẫn giữ được chức năng chẩn đoán và tiện ích của dữ liệu hình ảnh.
Khớp mẫu: Một số thông tin nhận dạng cá nhân phổ biến nhất như tên, thông tin liên lạc và địa chỉ có thể được phát hiện và xóa bằng cách nghiên cứu các mẫu được xác định trước.
Quyền riêng tư khác biệt hoặc nhiễu dữ liệu: Điều này liên quan đến việc đưa vào nhiễu được kiểm soát để che giấu dữ liệu hoặc các thuộc tính có thể truy ngược lại một cá nhân. Phương pháp lý tưởng này không chỉ đảm bảo dữ liệu được ẩn danh mà còn giữ lại các thuộc tính thống kê của tập dữ liệu để phân tích.
Xóa nhận dạng dữ liệu: Đây là một trong những cách đáng tin cậy và hiệu quả nhất để loại bỏ PII khỏi dữ liệu phi cấu trúc. Điều này có thể được thực hiện theo một trong hai cách sau:
- Học có giám sát – nơi một mô hình được đào tạo để phân loại văn bản hoặc dữ liệu là PII hoặc không phải PII
- Học tập không giám sát – nơi một mô hình được đào tạo để tự động học cách phát hiện các mẫu trong việc xác định PII
Phương pháp này đảm bảo sự an toàn của sự riêng tư của bệnh nhân trong khi vẫn duy trì sự can thiệp của con người đối với các khía cạnh dư thừa nhất của nhiệm vụ. Các bên liên quan và nhà cung cấp dữ liệu chăm sóc sức khỏe triển khai các kỹ thuật ML để xóa nhận dạng dữ liệu phi cấu trúc có thể chỉ cần có một quy trình đảm bảo chất lượng do con người hỗ trợ để đảm bảo tính công bằng, tính liên quan và tính chính xác của kết quả.
Che giấu dữ liệu: Che giấu dữ liệu là cách chơi chữ kỹ thuật số để ẩn danh dữ liệu chăm sóc sức khỏe, trong đó các mã định danh cụ thể được làm chung chung hoặc mơ hồ thông qua các kỹ thuật chuyên biệt như:
- Mã hóa – liên quan đến việc thay thế PII bằng các ký tự hoặc mã thông báo
- Tổng quát hóa – bằng cách thay thế các giá trị PII cụ thể bằng các giá trị chung chung/mơ hồ
- Xáo trộn – bằng cách xáo trộn PII để làm cho chúng trở nên mơ hồ
Tuy nhiên, phương pháp này có một hạn chế là với mô hình hoặc phương pháp tiếp cận phức tạp, dữ liệu có thể được xác định lại
Gia công cho các công ty thị trường
Cách tiếp cận đúng đắn duy nhất để đảm bảo quá trình dữ liệu phi cấu trúc khử nhận dạng kín khí, không thể sai sót và tuân thủ các hướng dẫn của HIPAA là thuê ngoài các nhiệm vụ cho một nhà cung cấp dịch vụ đáng tin cậy như Shaip. Với các mô hình tiên tiến và các giao thức đảm bảo chất lượng nghiêm ngặt, chúng tôi đảm bảo giám sát của con người trong quyền riêng tư dữ liệu luôn được giảm thiểu.
Là một doanh nghiệp thống lĩnh thị trường trong nhiều năm, chúng tôi hiểu được tầm quan trọng của các dự án của bạn. Vì vậy, hãy liên hệ với chúng tôi ngay hôm nay để tối ưu hóa tham vọng chăm sóc sức khỏe của bạn với dữ liệu chăm sóc sức khỏe được Shaip ẩn danh.
