健康

統計的脱同意プロセスに効果的にアプローチする方法

ヘルスケアの革新は、データが私たちに教えようとしていることを理解する能力に依存しています。 Genai Powered Data Analyticsを含むがこれらに限定されないデータ分析は、大規模で十分にキュレーションされた検索可能なデータセットに対する飽くなき需要を提示します。これはすでに課題です。多くのデータがありますが、多くの良いデータはありません。この課題をデータキュレーションに悪化させることは、多くの場合、キュレーションされたデータも「識別される」という法的、政策、倫理的、またはビジネスリスクの委任です。 Protected Health Information（PHI）を含むデータセットの場合、HIPAA規制に記載されている2つの方法のいずれかに従って、識別されたデータのレンダリングを行う必要があります。一貫して、通常、データ分析に機能する方法は統計的方法です。 統計的方法は新しいものではありません。そして、国民の神話に反して、それは、いわゆるセーフハーバー法である代替案よりも「従順ではない」とは見なされません。当初、HIPAAを管理する公民権局は、統計的方法のみを含むことを提案していました。しかし、規制されたコミュニティは、あらゆる場合に統計的ガイダンスを取得する必要のない簡単ですすぎ、繰り返しの標準を望んでいました。 18の列挙されたフィールドの除去を必要とするセーフハーバー法は、管理されたコミュニティに管理容易さを拡張しますが、高い価格があります。多くの場合、セーフハーバーの識別化に基づいて必要なすべてのデータを編集または難読化した後に残っているデータは、もはや目的に適合しません。 統計的解体は、戦略的な活動と同じくらい戦術的な活動です。規制されたコミュニティが統計的脱同意イニシアチブを最大限に活用するために取ることができるいくつかの具体的なステップがあります。 モチベーションが重要です：セーフハーバーと統計的脱同意は、さまざまな戦略的機会とコンプライアンスのハードルを提示します。セーフハーバーの識別化により、規制された当事者は、意図したアクティビティにこれらのフィールドのどれも必要でない場合、18の列挙されたフィールドを除去することにより、比較的簡単な自己管理除去方法を持つことができます。それはロボットですが、柔軟性も不可能です。対照的に、統計的方法は、データだけでなく受信者も含むさまざまな要因によって提示される実際の測定可能な再特定のリスクを調べることにより、受信者とポリシー、契約上の保護手段で利用可能な他の情報を調べることにより、柔軟性を提供することを目的としています。意見のパラメーターに従うことを確認するためのガバナンスプログラムが必要ですが、交換するには、より多くのデータが除外されたデータセットに維持されることをほぼ普遍的に可能にします。 弁護士を巻き込む：これが統計的解体識別を行っているのが初めてである場合、またはこの統計的演習が過去の意見と戦略的または実質的に異なる場合、プロセスは法的およびコンプライアンスの質問を提起し、法的助言が重要になる可能性があります。 最初に大きく考えてください：統計的演習は、ビジネス利害関係者が短期および中期のデータ計画を理解するために関与する良い機会です。 （1）特定されたデータセットで持続するのに役立つ最大データについて考えることから始めます。 （2）識別されたデータセットの潜在的な受信者、およびそれらの使用に関する合理的なコントロール。 （3）可能なユースケースとビジネスの優先順位の範囲。専門家と協力すると、特定のデータフィールドや目的から退却する必要があるかもしれませんが、最初は広く考えることで、専門家とより効果的に作業できます。 編集以上のもの：意見のデータ辞書要素を設定する際に、データ編集（特定のフィールドの削除）が最も明白なツールです。ただし、統計学者は、プライバシー保護と保持データユーティリティの両方の点で、より多くのニュアンスを備えたガイダンスを提供できます。たとえば、データのランダム化やデータのシフト、ノイズを追加して、合成データ、外観のフィールドの作成など、再識別パターンを識別するのが難しくなり、他のさまざまなデータ難読化技術を調査できます。プライベートIDを作成するための暗号化手法は、適切な暗号化キーを選択するなど、プライベートIDが実際に可逆的でないことを確認するために慎重に適用する必要があります。データ変換手法は目的に適合する必要があります。場合によっては、特定のデータ操作は、たとえば、特定のFDA規制の目的でデータを使用できないことを意味する場合があります。しかし、これは戦略的議論の一部です。 単なるテーブル以上のもの：統計的脱同意を使用して、テキスト、臨床ノート、医療画像などの非構造化データを削除できます。技術と能力は急速に進化し、非構造化されたデータはニッチから移動し、わずか数年でスケーラブルなオプションにのみ選択的に牽引可能になりました。識別されたデータセットの最大データを検討する場合、オプションが人為的に制限されていないことを確認するために実際に達成可能なものに関する仮定を検証することが重要です。 馬の貿易の準備ができてください：多くの場合、適切に設計された統計的意見では、利用可能なデータフィールドまたは粒度に関するトレードオフが表示されます。簡単な例で説明するために、民族関連のデータフィールドが許可される場合がありますが、地元の人口統計のために高度に識別する特定の場所では許可されていません。すべての場合に民族性または場所の編集を必要とする意見の代わりに、特定のパラメーターの下でデータフィールドを許可できますが、他のパラメーターのデータフィールドの可用性を「グレー」します。これを行うためにデータアーキテクチャを実装できる場合は、ビジネスのオプションのメニューを作成し、受信者が柔軟なフレームワーク内で特定のデータにアクセスできるようにします。 レシピとしての意見：識別されないデータセット（通常はデータ辞書と呼ばれる）に持続するデータは、全体的な意見の1つの要素にすぎません。意見にはいくつかの他の成分があります。これらはすべて問題であり、意見が適用されるためにそれらすべてに従う必要があります。たとえば、統計学者は、特定の契約上の条項またはポリシーの存在がリスクの測定に関連すると考えることができます。または、統計学者は、特定されたデータセットの規定された目的を考慮した可能性があります。パンのレシピがパンを作らないように、酵母を忘れたり、水を無視したりすることを選択した場合、意見を実装して遵守する必要があります。 統計的関係を構築します：意見の最初のリフトが最大です。しかし、時間枠は異なりますが、通常は18か月ごとに意見を更新する必要があります。そして、意見の仮定をレビューまたは変更する必要があることがわかります。あなたの統計的専門家が強力なパートナーである場合、彼らはあなたがあなたの戦略的優先事項に沿って、更新期間の間でさえ、あなたがあなたがあなたの戦略的優先事項に沿って成長し、適応するのを助けます。 横断歩道を構築します：HIPAAの識別基準に組み込まれている洞察の1つは、（どちらの方法でも）、識別されたデータを時間の経過とともに更新する必要性です。機関は、リンクコードを実装して、新しいデータが入っているときに新しいデータを除去し、データセットの個人と関連付けることができます。あらゆる目的には必要ありませんが、上記の多くの目的には縦方向に特定されたデータセットが不可欠です。トークン化およびリンケージテクノロジーは、PHIを共有したり識別したりせずに離散データセット間のリンクに適用することもできますが、結果のリンクされたデータセットがHIPAA脱同意標準を満たすことを確認することが重要です。 データ水たまりまたはデータ湖：場合によっては、de-Inderifyifyに必要なデータは個別であり、意見のパラメーターを適用してケースごとに生成されます。それ以外の場合、あなたのビジネスは、さまざまな将来、不特定、および/またはさまざまなデータユースケースを提示する場合があります。後者の場合、データ湖を開発することをお勧めします。これは、特定のプロジェクトの小さなデータ削減を提供するために利用できる大規模でキュレーションされたデータセットです。適切に設計された意見は、全体とサブセットにも同様に適用できます。 識別とデータ集約：データ集約は、ベンチマークやその他の共同活動のために複数の対象エンティティからのPHIの使用を含むHIPAAの下でのARTの用語です。規制されたコミュニティは、しばしば「識別された」と「集約された」を交換可能に使用しますが、そうではありません。必要なのは、特定のプロジェクトの識別データであることを確認してください。 データタグ付けに投資します：データタグ付けにより、組織は、識別に利用できるとみなすデータにより、より器用さをより多くの器用さがあり、フィールドレベルで粒度を提供します。魅力的ではないように見えるかもしれない技術的な運用および管理作業ですが、有利なデータセットの重要な構成要素です。 AIの役割：AIについて話すことなく、ヘルスケアやデータのトピックについて何も言うことは不可能です。これを言うだけです。AIは、識別の負担と贈り物です。 AIツールは、非構造化データを脱却するのに役立ち（困難であることも有名）、脱同意解除ツールとデータセット分析を加速できます。 AIは、残留リスクの統計的仮定を再確認するためにも使用できます。しかし、AIツールがデータに尋問し、新しい方法で再識別のために活用されたパターンを特定できる場合、AIツールは再識別リスク計算を変更する可能性もあります。 データの需要が高まるにつれて、脱同意は、デジタルデータ経済の利害関係者にとって重要なガバナンスであり、戦略的優先事項です。識別プロジェクトにより、エンジニア、ビジネスリーダー、コンプライアンスリーダー、弁護士が協力して協力して、データセット自体を超えて配当を支払うデータガバナンスに関する会話を作成できます。 写真：Weiquan Lin、Getty Images ジョーダン・コリンズ は、エンタープライズレベルでのデータ駆動型の決定を可能にすることに焦点を当てた分析機能における20年以上の経験を持つ結果指向の戦略的リーダーです。彼は現在、ゼネラルマネージャーです プライバシー分析、Iqvia Company。プライバシー分析により、組織はプライバシーに関する考慮事項を管理しながら、二次的な目的で機密データの価値を解き放つことができます。ヨルダンは、オークランド大学で哲学の博士号、ヨーク大学の応用統計学のMA、マクマスター大学の純粋な数学の修士号、マウントアリソン大学の数学の学士号を取得しています。ヨルダンには、統計学者としてのキャリアを開始した強力な分析の背景があります。彼は、ヘルスケアの統計的アプリケーションと産業プロセスとビジネスの最適化に焦点を当てた彼自身の統計的コンサルティングプラクティスを立ち上げ、起業家の曲がっていると深いコンサルティングの経験を持っています。過去10年間、彼はこれらの分析スキルをグローバルに技術的なプライバシーの課題に適用してきました。ジェニファーゲッター のパートナーです…