Désidentification des données de santé

Naviguer dans les complexités de la conformité pour faire le pont entre l'IA et la santé

Alimentés par une abondance de puissance de traitement bon marché et un déluge de données sans fin, l'IA et l'apprentissage automatique accomplissent des choses incroyables pour les organisations du monde entier. Malheureusement, quelques-unes des industries qui devraient tirer des avantages incroyables de ces technologies de pointe sont également très réglementées, ce qui ajoute des frictions à ce qui peut déjà être une mise en œuvre complexe.

Les soins de santé sont le modèle d'une industrie fortement réglementée, et les organisations aux États-Unis doivent gérer des informations de santé protégées (PHI) conformément à la Health Insurance Portability and Accountability Act (HIPAA) depuis près de 25 ans. Aujourd'hui, cependant, les réglementations sur toutes sortes d'informations personnellement identifiables (PII) convergent, y compris le règlement général européen sur la protection des données (RGPD), la loi singapourienne sur la protection des données personnelles (PDPA) et bien d'autres.

Alors que les réglementations sont généralement axées sur les habitants d'une zone spécifique, des modèles d'IA précis nécessitent de grands ensembles de données diversifiés en termes d'âge, de sexe, de race, d'origine ethnique et de localisation géographique de leurs sujets. Cela signifie que les entreprises qui espèrent offrir la prochaine génération de solutions d'IA aux prestataires de soins de santé doivent franchir une gamme tout aussi nombreuse et diversifiée de cerceaux réglementaires ou risquer de créer des outils avec des biais intégrés qui contaminent les résultats.

Anonymisation des données

Désidentification des données Trouver suffisamment de données pour « enseigner » efficacement l'IA prend du temps, et l'anonymisation de ces données pour assurer la protection et l'anonymat de leurs propriétaires peut être une entreprise encore plus importante. C'est pourquoi Shaip propose des données de santé qui est conçu pour aider à construire des modèles d'IA, y compris des dossiers médicaux et des données de réclamations textuels, des enregistrements audio tels que des enregistrements de médecins ou des conversations patient/médecin, et même des images et des vidéos sous forme de radiographies, de tomodensitogrammes et de résultats d'IRM.

Discutons aujourd'hui de vos besoins en données de formation en IA.

Nos solutions API très précises garantissent que les 18 champs (comme requis par les directives Safe Harbor) sont complètement anonymisés et exempts de PHI, et la détermination d'experts avec des humains dans la boucle (HITL) garantit que rien ne peut passer entre les mailles du filet. Shaip inclut également des capacités d'annotation de données médicales qui sont cruciales pour la mise à l'échelle d'un projet. Le processus d'annotation implique la clarification de la portée du projet, la réalisation d'annotations de formation et de démonstration, ainsi qu'un cycle de retour d'informations final et une analyse de la qualité qui garantissent que les documents annotés résultants répondent aux exigences données.

En utilisant notre plate-forme cloud, les clients ont accès aux données dont ils ont besoin sur un support sécurisé, conforme et évolutif pour répondre à toute demande. Dans les cas où un échange de données manuel n'est pas souhaitable, nos API peuvent souvent être intégrées directement dans une plate-forme client pour faciliter l'accès en temps quasi réel aux données et aux API de désidentification.

Construire des modèles d'IA est déjà assez difficile sans avoir à rechercher vos propres ensembles de données, c'est pourquoi il est presque toujours préférable d'externaliser cette tâche laborieuse à un fournisseur dédié. Notre équipe de transcripteurs dédiés à la désidentification est hautement qualifiée en matière de protection PHI et de terminologie médicale afin d'assurer la fourniture de données de la plus haute qualité. En plus d'économiser du temps et de l'argent, vous évitez également des sanctions potentiellement invalidantes pouvant accompagner l'utilisation erronée de données non conformes.

Pour vous aider à déterminer si Shaip est le partenaire que vous recherchez, nous offrons une variété de exemples d'ensembles de données que vous pouvez utiliser pour commencer à entraîner vos algorithmes dès aujourd'hui. Nous espérons que vous vous joindrez à nous et que vous verrez votre initiative d'IA décoller.

Partager

Vous aimeriez aussi