临床数据集的匿名化分析
软件工程
2015-01-26 v1 密码学与安全
数据库
摘要
本文致力于解决在不损害患者隐私的前提下自动识别医疗数据集中临床相关模式的问题。为实现这一目标，我们将数据集视为面向数据内部和外部用户的黑盒，使我们能够直接且更高效地处理临床数据查询。该方法的创新之处在于避免了通常用作保护患者隐私手段的数据去标识化过程。所实现的工具包结合了 Java EE 和 RESTful web services 等软件工程技术，允许以不可识别的 XML 格式交换医疗数据，并将用户限制在“需知”原则范围内。我们的技术还抑制了数据的回溯性处理，例如 adversaries 利用先进计算方法对医疗数据集发起攻击以揭示受保护健康信息 (PHI) 的行为。该方法在基于 openEHR 和 MST 标准的内窥镜报告应用程序上进行了验证。从可用性角度来看，该方法可供临床研究人员、政府或非政府组织用于查询数据集，以监测医疗保健服务并提高护理质量。
引用
@article{arxiv.1501.05916,
title = {Anonymously Analyzing Clinical Datasets},
author = {Nafees Qamar and Yilong Yang and Andras Nadas and Zhiming Liu and Janos Sztipanovits},
journal= {arXiv preprint arXiv:1501.05916},
year = {2015}
}