Desidentificação de dados de saúde

Navegando pelas complexidades de conformidade para unir IA e assistência médica

Alimentado por uma abundância de poder de processamento barato e um dilúvio interminável de dados, a IA e o aprendizado de máquina estão realizando coisas incríveis para organizações em todo o mundo. Infelizmente, alguns dos setores que podem obter benefícios incríveis dessas tecnologias avançadas também são altamente regulamentados, adicionando atrito ao que já pode ser uma implementação complexa.

A saúde é o exemplo de uma indústria fortemente regulamentada, e as organizações nos Estados Unidos tiveram que lidar com informações de saúde protegidas (PHI) de acordo com a Lei de Portabilidade e Responsabilidade de Seguros de Saúde (HIPAA) por quase 25 anos. Hoje, no entanto, os regulamentos sobre todos os tipos de informações de identificação pessoal (PII) estão convergindo, incluindo o Regulamento Geral de Proteção de Dados da Europa (GDPR), a Lei de Proteção de Dados Pessoais de Cingapura (PDPA) e muitos outros.

Embora as regulamentações sejam comumente focadas em habitantes de uma área específica, modelos precisos de IA exigem grandes conjuntos de dados diversificados em termos de idade, sexo, raça, etnia e localização geográfica de seus sujeitos. Isso significa que as empresas que esperam oferecer a próxima geração de soluções de IA para provedores de saúde devem passar por uma gama igualmente numerosa e diversificada de aros regulatórios ou arriscar criar ferramentas com vieses internos que contaminam os resultados.

Desidentificando os dados

Desidentificando os dados Criar dados suficientes para “ensinar” efetivamente a IA leva tempo, e desidentificar esses dados para garantir a proteção e o anonimato de seus proprietários pode ser uma tarefa ainda maior. É por isso que a Shaip oferece licenças dados de saúde que foi projetado para ajudar a construir modelos de IA, incluindo registros médicos de pacientes e dados de sinistros baseados em texto, áudio, como gravações de médicos ou conversas de pacientes/médicos, e até imagens e vídeos na forma de raios-x, tomografias computadorizadas e resultados de ressonância magnética.

Vamos discutir seu requisito de dados de treinamento de IA hoje.

Nossas soluções de API altamente precisas garantem que todos os 18 campos (conforme exigido pelas Diretrizes Safe Harbor) sejam completamente desidentificados e livres de PHI, e a Expert Determination with Humans in the Loop (HITL) garante que nada possa passar despercebido. O Shaip também inclui recursos de anotação de dados médicos que são cruciais para dimensionar um projeto. O processo de anotação envolve esclarecer o escopo do projeto, realizar treinamento e anotações de demonstração e um ciclo final de feedback e análise de qualidade que garante que os documentos anotados resultantes atendam aos requisitos fornecidos.

Ao utilizar nossa plataforma em nuvem, os clientes obtêm acesso aos dados de que precisam em um meio seguro, compatível e escalável para atender a qualquer demanda. Nos casos em que uma troca manual de dados é indesejável, nossas APIs geralmente podem ser integradas diretamente em uma plataforma de cliente para facilitar o acesso quase em tempo real aos dados e às APIs de desidentificação

Construir modelos de IA já é difícil o suficiente sem ter que fornecer seus próprios conjuntos de dados, e é por isso que quase sempre é melhor terceirizar essa tarefa trabalhosa para um provedor dedicado. Nossa equipe de transcritores de desidentificação dedicados é altamente treinada em proteção de PHI e terminologia médica para garantir a entrega de dados da mais alta qualidade. Além de economizar tempo e dinheiro, você também evita penalidades potencialmente incapacitantes que podem acompanhar o uso equivocado de dados não conformes.

Para ajudá-lo a determinar se a Shaip é o parceiro que procura, oferecemos uma variedade de conjuntos de dados de amostra que você pode usar para começar a treinar seus algoritmos hoje. Esperamos que você se junte a nós e veja sua iniciativa de IA decolar.

Ações Sociais