오늘 귀하의 건강 관리 데이터를 기부하십시오
이 게시물, 오늘 귀하의 건강 관리 데이터를 기부하십시오 은 원래 2019 년 10 월 2 일 The New York Times의 'The Privacy Project'에 오피니언 글로 게시되었습니다.
이 글을 읽고 있다면 데이터에 대해 점점 더 걱정하게 될 것입니다. 그 이유는 다음과 같습니다. 매일 새로운 소식을 접하는 것 같습니다.데이터 유출또는 개인 정보 침해, 집단 편집증이 광범위하고 잘 여행하도록 장려합니다.
이러한 두려움은 아마도 우리의 건강과 같은 친밀한 문제에 관해서 가장 정당화 될 것입니다. 우리의 치료 기록, 약물 프로토콜 및 포괄적 인 전자 건강 기록에 대한 무단 접근을 가진 공격자의 이미지에 대해 잊혀지지 않는 무언가가 있습니다. 반면에 사람들이 우리의 부정맥 병력이나 최근 혈액 검사 결과에 대해 알게 될 정도로 정말 걱정해야할까요? 실제로 위험한 것은이 데이터의 존재가 아니라 데이터를 얻을 수있는 에이전트의 의도와 사용 목적입니다.
하지만 이제는 개인 정보 보호에 대한 문화적 내러티브, 특히 의료 혁신에서 의료 데이터가 할 수있는 중요한 역할을 어떻게 재구성하고 재고 할 수 있을지 고민 할 때라고 생각합니다. 집계 된 건강 관리 데이터는 새로운 의료 치료를 개발하고 의료 분야에서 임상 결과를 개선하며 생명을 구하기위한 공동 노력의 일부인 공익이 될 가능성이 있습니다.
공황 발작을 자연스럽고 빠르게 멈추는 방법
우리의 현재 '건강 관리 데이터'에는프로파일 링가족력, 사회 경제적 배경, 지리 및 의료 데이터와 같은 정보-치료, 절차 및 약물 사용과 직접 관련된 정보. 1996 년 이전의 세계를 생각해보십시오.건강 보험 이동성 및 책임법, 오늘날 그대로 유지되는 획기적인 건강 개인 정보 보호법입니다. HIPAA 이전에 의사, 간호사 및 약국은 오랫동안 제 3 자에게 현재“보호 된 건강 정보”— 병력, 상태 및 치료와 관련된 식별 가능한 정보. 의료 기록은 디지털화되지 않고 펜이나 연필로 작성하고 종이 폴더에 정리하고 사무실 관리자의 손에 의해 알파벳순으로 작성되었습니다.
기술적으로 말하면 1996 년 이후로 많은 변화가있었습니다. 심지어 의회가경제 및 임상 건강법을위한 건강 정보 기술, 이는 공급자와 환자가 기술 및 전자 의료 기록의 사용을 채택하도록 장려하는 것을 목표로합니다. 데이터 저장 및 계산 기술의 개선 덕분에 의료 발전은 더 이상 개별 인간 학습 프로세스에 의존하지 않습니다. 실시간으로 가설을 테스트하고 제한된 데이터 세트의 결과를 추적하며 시간이 지남에 따라 패턴을 기반으로 이론을 개발합니다.
엄청난 양의 환자 건강 데이터가 매일 수집되고 디지털화됨에 따라 퍼즐의 다른 부분이 초점을 맞 춥니 다. 집계하면 익명화 된 의료 기록이 대규모 데이터 세트의 일부가되어 모든 의료 분야에서 질병의 진단 및 치료를 개선 할 수 있습니다.기계 학습알고리즘. 우리가 수집하는 익명 데이터 (인구 통계 및 의료)가 많을수록 원인을 더 잘 식별하고 조기에 진단하고 더 나은 치료법을 개발할 수 있습니다. 이 과정에서 진단 및 지리, 약물 프로토콜 및 라이프 스타일, 치료 성공 및 병력 등 이전에 연결이 끊긴 데이터 세트 간의 연결을 도출 할 수 있습니다.
양극성 유형 1 대 유형 2
이를 성공적으로 대규모로 수행하려면 데이터가 필요합니다. 우리의 모든 데이터. 나와 너의 것.
기계 학습은 최근 인간 방사선 전문의보다 조기 폐암을 더 정확하게 감지하는 것으로 나타났습니다. 2019 년 5 월 Google과 Northwestern Medicine 협력 42,290 명의 환자 CT 스캔에 딥 러닝 알고리즘을 적용하여 폐암 가능성을 예측했습니다. 이미지는 읽기 어렵 기 때문에 Google과 Northwestern의 연구는이를 읽을 수있는 기계 학습 모델을 개발 한 다음 6 명의 숙련 된 방사선 전문의의 결과와 비교했습니다. 이 연구에 따르면 기계 학습 모델은 방사선 전문의보다 5 % 더 자주 암을 발견 할 수 있었으며 위양성을 감소시킬 가능성이 11 % 더 높았습니다.
이것은 하나의 예일 뿐이지 만 예측 진단 모델을 만들 때 대규모 패턴 인식의 필요성을 강조합니다. 인간의 두뇌는 이런 종류의 혁신에 필요한 딥 러닝 알고리즘을 개발할 수 있지만 알고리즘 만이 그렇게 크고 영향력있는 규모의 패턴을 효과적으로 인식 할 수 있습니다.
일부는 잠재적 인 손상 의료 회사의 데이터 유출은 다른 형태의 데이터 전쟁으로 인한 피해보다 훨씬 더 복잡하며 정확합니다. 피해자는 단순히 비밀번호를 변경하거나 신용 카드를 취소하여 신원 도용, 사기, 위험 프로파일 링, 표적 심리, 보험료 인상 및 기타 위험하고 비용이 많이 드는 결과의 위험을 해결할 수 없습니다.
그럼에도 불구하고 디지털 건강 관리 데이터는 매일 계속 수집되어 의료 연구 및 치료에 엄청난 기회를 제공 할뿐만 아니라 모든 디지털 생활에 존재하는 피할 수없는 위험 가능성을 제공합니다. 이 정보를 올바른 에이전트의 손에 맡기고 그 과정에서 엄격한 규제 및 집행 프로토콜을 수립하는 것은 어떻습니까?
Strattera 부작용은 얼마나 오래 지속됩니까?
규제 기관의 지원과 개입으로 광범위한익명화개인 데이터를 비가 역적으로 익명화하는 프로세스. 이러한 기관은 또한 의료 데이터의 수익 화를 금지하고 프로파일 링 또는 기타 비 윤리적 또는 범죄 목적으로 사용되는 것을 방지해야합니다. 우리 데이터의 부정한 사용에 대한 무관 용 정책은 아마도 다른 사이버 범죄 컨설턴트 나 더 나은 컴퓨터 서버보다 더 나은 결과를 가져올 것입니다.
우리 각자가 소유하고있는 방대한 양의 정보는 너무나 중요해서 비공개 또는 공개 등 소수의 독립 체가 통제 할 수 없습니다. 우리는 의료 데이터를 공익에 대한 기여로 생각할 수 있으며 오픈 소스 코드와 같은 분야 전반에 걸쳐 과학자 및 연구자들에게 그 가용성을 동등하게 할 수 있습니다. 거기에서 더 나은 예측 모델을 상상 해보면 더 나은 조기 진단과 궁극적으로 더 나은 치료가 가능해집니다.
귀하의 건강 관리 데이터는 적어도 일부 의학적 측면에서 귀하와 매우 유사한 사람들을 도울 수 있습니다. 심지어 생명을 구할 수도 있습니다. 데이터로해야 할 옳은 일은 데이터를 보호하는 것이 아니라 공유하는 것입니다.
이미지 크레딧 : Claire Merchlinsky via 뉴욕 타임즈
