Cas d’utilisation et technologie permettant les données médicales, la confidentialité et l’anonymisation
Les données sur la santé représentent plus de 30 % des données mondiales (Intel, 2022) – et elles augmentent chaque année. Les données sont plus que des informations tangibles et simples, comme les dates des vaccinations et les résultats des tests. Il comprend également des données contextuelles, telles que les qualités du quartier, les suivis de régime, les suivis d’exercice, les moniteurs de sommeil, etc. L’ingénieur principal en santé d’Intel, Abhishek Khowala, et Agata Chudzinska, responsable de l’IA chez TheBlue.AI, discutent de la nécessité de partager anonymement les données de santé.
Avec une pénurie mondiale de prestataires, des populations vieillissantes et une augmentation des maladies multichroniques, le partage, la compréhension et l’apprentissage à partir des données de santé sont plus critiques que jamais. Les données partagées permettent un développement plus rapide des médicaments, un transfert des soins plus facile et une meilleure collaboration entre les instituts de recherche.
« Les données structurées sont ce qui peut être présenté dans une base de données relationnelle. Nous savons à peu près quels champs sont liés à la confidentialité, et il est un peu plus facile de les supprimer ou de les supprimer des données. Cependant, la grande majorité — plus de 80 % des données — n’est pas structurée ; il est plus difficile d’analyser ces données non structurées et de savoir exactement où se trouvent des informations identifiables », explique Khowala.
Une solution à ce problème est le traitement du langage naturel, une fonctionnalité d’IA appliquée aux notes cliniques pour garantir l’anonymat. La technologie peut donner un sens au texte et supprimer les informations identifiables.
Intel et The Blue.AI ont mis en place une solution de réalité mixte dans un hôpital de Floride. La solution comprenait plusieurs capteurs et caméras qui collectaient des données sur les patients et le personnel, ils utilisaient ensuite la technologie de vision par ordinateur pour supprimer toute information personnellement identifiable.
« Dans tous ces cas, nous devons toujours donner aux humains la possibilité de le vérifier », explique Chudzinska. Un exemple était une photographie de cliniciens avec leur consentement après une intervention chirurgicale. Cependant, un écran était visible en arrière-plan avec le nom et les informations du patient qui avait subi une intervention chirurgicale. « Il n’est pas toujours évident de savoir quel type d’information peut être visible et qui mène à un individu spécifique », poursuit Chudzinska.
La protection des identifiants personnels lors du partage des données de santé est tout aussi nécessaire que le partage des données elles-mêmes. « À quoi serviraient les données médicales si elles n’étaient pas partagées ? demande Khowala. Assurer la protection est un obstacle au partage des données. « Plus de 70% des pays du monde – environ 140 pays – ont déjà une sorte de réglementation qui protège les données et la vie privée des individus », déclare Chudzinska. L’IA rationalise le processus de protection des installations et permet de supprimer des informations personnelles en quelques minutes et heures au lieu de jours ou de mois avec une analyse humaine.
Suivez les leaders de la technologie de l’IA, Agata Chudzinska et Abhishek Khowala sur LinkedIn. En savoir plus sur les études de cas d’Intel sur les données de santé appliquées à l’IA sur le site Web.
Abonnez-vous à cette chaîne sur Apple Podcasts, Spotify et Google Podcasts pour en savoir plus sur Intel Health and Life Sciences at the Edge.