L’analyse de données structurées peut contribuer à améliorer le diagnostic et les soins aux patients. En revanche, l’analyse de données non structurées peut favoriser des avancées et des découvertes médicales révolutionnaires.
C'est l'essentiel du sujet que nous allons aborder aujourd'hui. Il est très intéressant d'observer que tant d'avancées radicales dans le domaine des technologies de la santé ont eu lieu avec seulement 10 à 20 % des données de santé exploitables.
Les statistiques révèlent que plus de 90 % des données de ce spectre ne sont pas structurées, ce qui se traduit par des données moins exploitables et plus difficiles à comprendre, à interpréter et à appliquer. Des données analogiques telles qu'une ordonnance médicale aux données numériques sous forme d'imagerie médicale et de données audiovisuelles, les données non structurées sont de différents types.
Ces volumes massifs de données non structurées recèlent des informations incroyables qui peuvent accélérer les progrès de la santé de plusieurs décennies. Qu'il s'agisse de contribuer à la découverte de médicaments pour les maladies auto-immunes critiques et mortelles ou de données pouvant aider les compagnies d'assurance maladie à évaluer les risques, les données non structurées peuvent ouvrir la voie à des possibilités inconnues.
Lorsque de telles ambitions se concrétisent, l'interprétabilité et l'interopérabilité des données de santé deviennent cruciales. Avec des directives strictes et l'application rigoureuse des réglementations telles que le RGPD et la loi HIPAA, la dépersonnalisation des données de santé devient inévitable.
Nous avons déjà publié un article détaillé sur la démystification des données de santé structurées et non structurées . Un article complet est également consacré à l' anonymisation des données de santé . Nous vous invitons à les consulter pour une vision d'ensemble, car nous publierons prochainement un article spécifique sur l'anonymisation des données non structurées.
Défis liés à la désidentification des données non structurées
Comme son nom l'indique, les données non structurées ne sont pas organisées. Elles sont dispersées en termes de formats, de types de fichiers, de tailles, de contexte, etc. Le simple fait que ces données existent sous forme audio, texte, imagerie médicale, données analogiques, etc., rend d'autant plus difficile la compréhension des identifiants de données personnelles (IDP), pourtant essentiels à l' anonymisation des données non structurées.
Pour vous donner un aperçu des défis fondamentaux, voici une liste rapide :
- Compréhension contextuelle – lorsqu'il est difficile pour un acteur de l'IA de comprendre le contexte spécifique derrière une partie ou un aspect particulier de données non structurées. Par exemple, comprendre si un nom est le nom d'une entreprise, le nom d'une personne ou le nom d'un produit peut poser un dilemme quant à savoir s'il doit être anonymisé.
- Données non textuelles – où l’identification d’indices auditifs ou visuels pour des noms ou des informations personnelles identifiables peut être une tâche ardue, car une partie prenante peut être amenée à regarder des heures et des heures de séquences ou d’enregistrements pour tenter de dépersonnaliser des aspects critiques.
- Ambiguïté – cela est particulièrement vrai dans le contexte des données analogiques telles qu'une ordonnance médicale ou une inscription dans un registre d'hôpital. De l'écriture manuscrite aux limitations d'expression en langage naturel, la dépersonnalisation des données pourrait s'avérer une tâche complexe.
Bonnes pratiques de désidentification des données non structurées
Le processus de suppression des données personnelles identifiables (DPI) des données non structurées diffère sensiblement de l'anonymisation des données structurées , mais reste réalisable. Grâce à une approche systématique et contextuelle, il est possible d'exploiter pleinement le potentiel des données non structurées. Examinons les différentes méthodes permettant d'y parvenir.
Ébauche d'images : Cette opération, appliquée aux données d'imagerie médicale, consiste à supprimer les identifiants du patient et à flouter les repères et portions anatomiques des images. Ces éléments sont remplacés par des caractères spéciaux afin de préserver la fonctionnalité diagnostique et l'utilité des données d'imagerie.
Reconnaissance de modèles : Certaines des données personnelles les plus courantes, telles que les noms, les coordonnées et les adresses, peuvent être détectées et supprimées grâce à l’étude de modèles prédéfinis.
Confidentialité différentielle ou perturbation des données : il s'agit d'inclure un bruit contrôlé pour masquer des données ou des attributs qui peuvent être reliés à un individu. Cette méthode idéale garantit non seulement la désidentification des données, mais également la conservation des propriétés statistiques de l'ensemble de données pour les analyses.
Dépersonnalisation des données : Il s’agit de l’une des méthodes les plus fiables et efficaces pour supprimer les informations personnelles identifiables (IPI) des données non structurées. Elle peut être mise en œuvre de deux manières :
- Enseignement supervisé – lorsqu’un modèle est formé pour classer du texte ou des données comme PII ou non-PII
- Apprentissage non supervisé – où un modèle est formé pour apprendre de manière autonome à détecter des modèles dans l’identification des informations personnelles identifiables
Cette méthode garantit la protection de la vie privée des patients tout en maintenant l'intervention humaine pour les aspects les plus répétitifs de la tâche. Les parties prenantes et les fournisseurs de données de santé qui utilisent des techniques d'apprentissage automatique pour dépersonnaliser les données non structurées peuvent ainsi mettre en place un processus d'assurance qualité assisté par un humain afin de garantir l'équité, la pertinence et l'exactitude des résultats.
Masquage des données : Le masquage des données est un jeu de mots numérique visant à dépersonnaliser les données de santé, où les identifiants spécifiques sont rendus génériques ou vagues grâce à des techniques spécifiques telles que :
- Tokenisation – impliquant le remplacement des PII par des caractères ou des jetons
- Généralisation – en remplaçant les valeurs PII spécifiques par des valeurs génériques/vagues
- Mélange – en mélangeant les informations personnelles identifiables pour les rendre ambiguës
Cependant, cette méthode comporte une limitation : avec un modèle ou une approche sophistiquée, les données peuvent être rendues ré-identifiables.
Externalisation vers les acteurs du marché
La seule solution fiable pour garantir un processus d' anonymisation des données non structurées parfaitement sûr, infaillible et conforme aux normes HIPAA consiste à externaliser ces tâches auprès d'un prestataire de services de confiance comme Shaip . Grâce à des modèles de pointe et des protocoles d'assurance qualité rigoureux, nous assurons une protection optimale des données à tout moment.
En tant qu'entreprise dominante sur le marché depuis des années, nous comprenons l'importance de vos projets. Alors, contactez-nous dès aujourd'hui pour optimiser vos ambitions en matière de santé grâce aux données de santé anonymisées par Shaip.
