面向医疗机器学习合规数据管理系统的探索
密码学与安全
2020-11-17 v1 计算机与社会
摘要
机器学习方法的日益普及以及数据保护和数据隐私意识的提升，为构建真正安全可信的医疗保健系统提供了机遇。GDPR 和 HIPAA 等法规给出了宽泛的指南和框架，但其实施可能带来技术挑战。合规的数据管理系统需要对若干技术和行政保障措施进行强制执行。尽管可为两类保障措施制定策略，但实时理解合规性的手段十分有限。越来越多的机器学习从业者意识到追踪敏感数据的重要性。鉴于个人可识别信息、健康或商业敏感信息的敏感性，以更动态的方式理解数据流动评估具有价值。我们回顾了医疗机器学习项目中数据从来源到存储再到训练算法使用及更远处的流动过程。基于此，我们设计了数据版本控制的工程规范与解决方案。我们的目标是设计工具，在项目的全生命周期中跨机器和用户检测并追踪敏感数据，优先考虑效率、一致性和易用性。我们构建了该解决方案的原型，展示了该领域的困难。这些共同代表了构建面向医疗机器学习项目的合规数据管理系统的初步努力。
引用
@article{arxiv.2011.07555,
title = {Towards Compliant Data Management Systems for Healthcare ML},
author = {Goutham Ramakrishnan and Aditya Nori and Hannah Murfet and Pashmina Cameron},
journal= {arXiv preprint arXiv:2011.07555},
year = {2020}
}