چالش های داده کاوی در پزشکی - محرمانگی و امنیت داده های انسانی

چالش های داده کاوی در پزشکی - محرمانگی و امنیت داده های انسانی

آکادمی داده

۱۳۹۷/۰۳/۰۵


  • 135 بازدید

مسائل و چالش هایی در رابطه با پیاده سازی و بکارگیری داده کاوی در پزشکی وجود دارد که آن را متمایز از داده کاوی در سایر کاربردها می کند. آگاهی از این مسائل باعث بهبود و استفاده صحیح تر از داده کاوی در پزشکی شده و می تواند در جهت پشتیبانی تصمیم گیری ها و جلوگیری از بروز خطا یاری رساند. در ادامه به بررسی یکی از مشکلات چالش برانگیز در عرصه های مختلف داده کاوی پزشکی پرداخته می شود.

با توجه به اینکه رازداری پزشکان و مراکز درمانی، و اعتماد بیمار به آنان، اصل بسیار مهمی در پزشکی بشمار می آید، تحلیلگران می بایست توجه ویژه ای به پیاده سازی محرمانگی و امنیت داده های پزشکی داشته باشند. حفظ محرمانگی ،اطلاعات اجازه دسترسی مستقیم به تمامی داده ها را ممکن نمی سازد . برخی دولت ها قوانین و مقررات خاصی به منظور حمایت از محرمانگی داده های پزشکی وضع نموده اند.

بعنوان مثال توصیه هایی به منظور پنهان کردن داده های مربوط به شناسایی بیمار از قبیل نام، آدرس، شماره تلفن بیمار کرده اند. یکی از این توصیه ها اینست که داده های مربوط به شناسایی بیمار را طوری پنهان کرد که به هیچ وجه قابل دست یافتنی نباشد. مثلا فقط دسترسی به اطلاعات مربوط به تشخیص بیماری از روی داده های بیمار امکانپذیر باشد.

در بعضی موارد ممکن است این رویکرد مورد پذیرش واقع نشود. زیرا نیازمند بررسی صحت تکنیک داده کاوی اعمال شده و یا اطلاعات بیشتری از یک بیمار خاص باشد.

بعنوان مثال پس از اعمال تکنیک های داده کاوی و تشخیص یک بیماری و روش درمان آن، بخواهیم به آن بیماران خاص درباره تشخیص و روش درمان مناسب، اطلاع رسانی کرده و یا آنها را تحت معالجه قرار داد. مساله امنیت داده ها در استفاده و بخصوص انتقال داده ها نیز از اهمیت خاصی برخوردار است. قبل از اینکه داده های مربوط به شناسایی بیماران پنهان یا محرمانه شوند، فقط افراد مجاز می بایست به داده ها دسترسی داشته باشند. داده های پزشکی به یکی از چهار صورت زیر می توانند مهیا شوند:

داده های بی شناسه: داده هایی هستند که اطلاعات مربوط به شناسایی بیمار در لحظه ی جمع آوری داده ها، حذف شده اند.

داده های بی شناسه شده: داده های اولیه بهمراه اطلاعات شناسایی بیماران می باشد که این اطلاعات، به مرور و بصورت غیر بازگشت پذیر حذف می شوند. در این حالت امکان بازگشت و دسترسی به داده های اولیه به هیچ وجه امکانپذیر نخواهد بود.

داده های با شناسه ی کد شده: داده های اولیه شامل اطلاعات شناسایی بیماران بوده که این اطلاعات کد می شوند و تحت شرایطی که توسط کدکننده تعیین می شود، دیکد شده و بیماران می توانند شناسایی شوند.

داده های با شناسه: داده ها بهمراه اطلاعات شناسایی بیماران می باشند که با رضایت و اجازه کتبی بیماران در اختیار قرار می گیرد.

بنظر می رسد داده های پزشکی با شناسه ی کد شده برای اهداف تحقیقاتی و داده کاوی مناسبترین بوده و دسترسی به داده های اولیه در صورت نیاز تحت شرایطی امکانپذیر باشد. تنها ریسک آن می تواند از دست دادن قابلیت اعتماد بیماران باشد. داده کاوها می بایست به منظور مقابله با دسترسی بدون مجوز به داده ها، از استانداردهای موجود مطلع بوده و با نحوه آماده سازی داده ها بطوری که اطلاعات موجود در آنها محرمانه باقی بماند، آشنا باشند.

کاربرد داده کاوی در پزشکی، فرصت ها و چالش ها، طهماسبی

اگر به پژوهش در حوزه داده کاوی علاقه مند هستید توصیه می شود حتما مجموعه بی نظیر پانصد مقاله فارسی در زمینه داده کاوی  و مجموعه های مشابه آن و مقالات مرتبط با کاربرد داده کاوی در پیش بینی بیماری را تهیه بفرمایید.

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.  

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.