So überwinden Sie Sicherheitsbarrieren, um medizinische Daten freizugeben

​Die Gesundheitsbranche ist eine der datenreichsten Branchen, aber aufgrund strenger Datenschutz- und Sicherheitsgesetze können Datenwissenschaftler mit diesen Daten nicht viel anfangen. Aber jetzt beginnt Providence Health dank der Verwendung starker Sicherheitseinstellungen und datenschutzerhaltender Analysen im Cloud Computing, die „Handschellen“ von Datenwissenschaftlern zu öffnen und Innovationen auf der Grundlage großer medizinischer Daten zu entwickeln. Mit 52 Krankenhäusern, mehr als 1.000 Kliniken und rund 120.000 Mitarbeitern ist Providence Health & Services einer der größten Gesundheitskonzerne in den Vereinigten Staaten. Wie die meisten Gesundheitsunternehmen ergreift Providence Health Maßnahmen, um die Integrität der Patientendaten zu wahren. Schließlich möchte niemand gegen den HIPAA (Health Insurance Portability and Accountability Act/Healthcare Electronic Exchange Act) verstoßen, der für jeden Verstoß eine Geldstrafe von 50.000 US-Dollar vorsieht.

Sicherheit war ein Hauptanliegen, als das in Renton, Washington, ansässige Unternehmen sich daran machte, seine Datenanalysearchitektur zu aktualisieren, beginnend mit der Migration seines veralteten SQL Server-Data Warehouses in die On Microsoft Azure-Cloud. Lindsey Miko, Direktorin für Datenwissenschaft in Providence, sagte, das Unternehmen habe zusätzliche Vorkehrungen getroffen, um sicherzustellen, dass eine strenge Kontrolle der Daten aufrechterhalten werde, während es Ende 2019 mit Databricks und anderen zusammenarbeitete, um eine neue Datenumgebung einzurichten.

„Providence setzt einen einzigartig hohen Standard für sichere Clouds“, sagte Miko. „Jedes Technologieunternehmen, mit dem ich zusammenarbeite … denkt, dass so eine sichere Cloud aussieht. Dann beginnen sie mit uns zusammenzuarbeiten und haben schnell Zweifel daran, den Standard zu setzen. Wir arbeiten Hand in Hand mit Microsoft und Databricks.“ „Mit der neuen Bereitstellungsarchitektur brauchten wir etwas, das vom öffentlichen Internet isoliert ist und Patientendaten ordnungsgemäß schützen kann.“

Snowflake ist auch an der neuen cloudbasierten Datenarchitektur von Providence beteiligt. Das ursprüngliche Projekt bestand darin, ein veraltetes SQL Server-Warehouse auf ein Snowflake-Data-Warehouse zu migrieren, das ein besser skalierbares System für die Analyse von Geschäfts- und klinischen Daten bieten würde. Providence ist groß genug, um Benutzer in mehreren Data Warehouses aufzunehmen, sodass die Databricks- und Snowflake-Umgebungen unabhängig voneinander existieren.

Kostenkontrolle ist ein wichtiges Ziel für das neue Cloud Warehouse von Providence, das für traditionelle Analysen sowie den Aufbau und Betrieb von Modellen für maschinelles Lernen verwendet wird. Als gemeinnütziges katholisches Krankenhaus mit der Mission, den Armen und Bedürftigen zu helfen, hat Providence die Verantwortung, bezahlbare Pflege bereitzustellen, und Analysen können dabei helfen.

„Wir wissen auch, dass es im Gesundheitswesen eine Kostenblase gibt. Die Kosten für Patienten steigen ständig. Die Margen des Gesundheitssystems sind hauchdünn. Es ist ein Verlustspiel“, sagte er. „Die Suche nach Möglichkeiten zur Nutzung von Daten und Analysen zur Kostenkontrolle – das ist das A und O des gesamten Gesundheitssystems. Einige der ersten Anwendungsfälle umfassen die Verwendung von Modellen des maschinellen Lernens, um Patientenbedürfnisse vorherzusagen, einschließlich Dinge wie Morbidität und Verweildauer.“ , usw. Diese Prognosen fließen in ein Personalmodell ein, das Providence sagt, wie der Personalbedarf im Servicebereich in den nächsten zwei Monaten voraussichtlich aussehen wird.

Die unendliche Elastizität der Cloud ist eine wesentliche Verbesserung gegenüber dem, was das Unternehmen zuvor nutzte. Obwohl die Migration des Data Warehouse bereits vor der COVID-19-Pandemie begann, haben Miko und sein Team einen Großteil der Arbeit während der Pandemie abgeschlossen. Das Gesundheitsunternehmen nutzte mehrere maschinelle Lernmodelle, die standardmäßig in der Software für elektronische Patientenakten (EMR) von Epic Systems enthalten sind, und sie funktionierten gut. Als größter Benutzer von Epic ist der Erfolg des maschinellen Lernmodells ein gutes Zeichen für das Forschungs- und Entwicklungsteam von Epic.

Gleichzeitig beschleunigt es den Einsatz von Systemen der nächsten Generation, einschließlich Telemedizin. „Wir sind bereit. Wir verfügen über eine sehr robuste Infrastruktur für den Umgang mit Telemedizin. Wir sind in der Lage, viele Daten in die Telemedizin zu übertragen. Dies treibt auch die Entwicklung prädiktiver Analysen voran. Rund um das Sterblichkeitsrisiko, die Aufenthaltsdauer auf der Intensivstation und zu Beginn der Pandemie „Es handelt sich um in Epic integrierte Anwendungen. Dies ist nur der erste Schritt auf einem langen Weg, auf dem es noch viele weitere Möglichkeiten für die Verbesserung der klinischen Versorgung gibt“, sagte Miko.

Zum Beispiel führt das Unternehmen eine Echtzeitanalyse von medizinischen Dateien der Gesundheitsstufe 7 (HL7) durch, die von Epic stammen. Diese Daten werden mithilfe von Spark Streaming verarbeitet und anschließend in Echtzeit in ein Formular im Databricks-Warehouse geladen.

Er sagte: „Diese Arbeit begann mit der Einrichtung eines sogenannten Missionskontrollzentrums, das einen Echtzeitüberblick über die Situation im Krankenhaus haben kann.“

Einer der ersten Anwendungsfälle für Mission Control Center besteht darin, Einblick in die Ressourcen eines einzelnen Krankenhauses zu gewinnen, um festzustellen, ob es in der Lage ist, ankommende Patienten zu behandeln. Dies ist ein nützliches Instrument, um eine Überfüllung der Krankenhäuser zu verhindern, die auf dem Höhepunkt der COVID-19-Pandemie eine sehr reale Bedrohung darstellte.

Der Einsatz von Analysen und künstlicher Intelligenz zur Verbesserung von Geschäfts- und Klinikabläufen sagte er: „Dies ist ein großartiger Ausgangspunkt, wenn Sie erst einmal einen Echtzeitüberblick darüber haben, was im Gesundheitssystem vor sich geht – wer ist da, was Sie brauchen, Und verknüpft mit ihren Diagrammen kann man beginnen, vorherzusagen, was als nächstes passieren wird. Ich interessiere mich also sehr für die Missionskontrolle. um seine Abläufe weiter zu optimieren und die medizinischen Dienstleistungen zu verbessern. Konkret arbeitet es mit John Snow Labs und seinem Spark-NLP-Modell zusammen, um aussagekräftige Daten aus den Krankenakten von Ärzten extrahieren zu können.

Sicherheit und Datenschutz sind beim Umgang mit dieser Menge sensibler Daten von größter Bedeutung. Daher besteht die erste Priorität von Spark NLP darin, Arztakten über Patienten zu identifizieren. Das Gesundheitsunternehmen nutzt vorab trainierte Modelle von John Snow Labs, die Identifikatoren wie Datumsangaben, Namen, Adressen und Postleitzahlen erkennen können.

„Es funktioniert überraschend gut“, sagte Nadaa Taiyab, leitende Datenwissenschaftlerin bei Tegria, einem Technologie- und Dienstleistungsunternehmen im Besitz von Providence.

Nach der Kennzeichnung der Identifikatoren verwendet Providence Dummy-Daten und eliminiert so das Risiko privater Gesundheitsinformationen (PHI). Dieser Prozess ermöglicht es Providence, aggregierte medizinische Daten zu nutzen, um erweiterte Analysen durchzuführen und Modelle für maschinelles Lernen zu trainieren.

Während der Verschleierungsschritt das Risiko verringert, dass PHI in die falschen Hände geraten, gibt es Zeiten, in denen echte Patientendaten benötigt werden, insbesondere bei der Verwendung von Modellen für maschinelles Lernen, sagte Taiyab. „Wenn man es aggregiert, kann man es nicht für maschinelles Lernen verwenden, wenn man versucht, etwas auf Patientenebene vorherzusagen, ist das eine Sache. Aber man braucht Have.“ „Daten auf Patientenebene“, um Vorhersagen auf Patientenebene zu treffen.

Providence kann seine Patientendaten über das Institut für Systembiologie (ISB) auch für die weitere medizinische Forschung nutzen. ISB ist ein medizinisches Analyseunternehmen mit Sitz in Seattle, Washington, das von Dr. Leroy Hood, einem der Forscher des Human Genome Project, gegründet wurde. Die Datensicherheitsarbeit, die Providence durchgeführt hat, ermöglichte es ihm, Daten mit ISB zu teilen, das es 2016 übernommen hatte.

Miko sagte, dass die Fähigkeit des ISB, das große medizinische Datenlager von Providence zu durchsuchen, für die ISB-Forschung zu Gesundheitszuständen wie langfristigem COVID-19 wichtig sein wird. „Dies ist nur ein Beispiel dafür, was es bedeutet, wenn man Daten in einer sicheren Cloud-Umgebung bereitstellen und integrieren kann“, sagte er.

Investitionen in den Aufbau einer sicheren Cloud-Datenarchitektur werden sich voraussichtlich auszahlen, da Providence andere Möglichkeiten erforscht, fortschrittliche Analysen und künstliche Intelligenz zur Verbesserung seiner Gesundheitsmission zu nutzen.

„Providence hat einen Entwurf für eine sichere Cloud für das Gesundheitswesen entworfen“, sagte Miko. „Es erfordert viel Übung, viel Lernen, viel Zusammenarbeit mit unseren Partnern. Wir verbessern es bei jedem Schritt. Das Bereitstellungsmodell ändert sich, wenn wir neue Dinge lernen. Aber wir glauben, dass es eine sehr solide Blaupause dafür gibt.“ Dies.“ Der Zugang zu Daten bleibt eines der größten Hindernisse für den Fortschritt an dieser Front. Die Arbeit, die Providence zur Reduzierung von Sicherheits- und Datenschutzrisiken geleistet hat, ist ein guter erster Schritt, aber es muss noch mehr getan werden.

Das obige ist der detaillierte Inhalt vonSo überwinden Sie Sicherheitsbarrieren, um medizinische Daten freizugeben. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!