top of page

提高醫療數據質量保私隱

Updated: Apr 28

英國國家醫療服務機構(National Health Service,簡稱NHS)與私營企業的多種合作方式,進一步催生了解決「數據質量與數據隱私問題」的辦法。如何把高質量數據從眾多龐雜數據中清洗加工出來,NHS做了以下幾點:第一,了解數據採集背景,NHS大部分數據採集目的是患者護理,而非用於研究產品或服務開發,當把這些數據用於患者護理以外用途時,必須查看它是如何生成的,才能進行數據清洗,避免使用不適當的數據進行決策。第二,進行提高質量的設計,例如最大限度地減少數據收集點的錯誤和在設計時顧及數據質量,IT系統可在輸入數據出錯時作出警示等;類似地,關注數據可視化系統能揭示數據質量問題,然後對其作修正或標準化,還可探索使用AI把文本轉為臨床醫生可理解的代碼,以減輕輸入時的負擔。第三,定期監控數據質量,NHS會每季發布數據質量成熟度指數(Data Quality Maturity Index),提供所收集數據的質量訊息,這些訊息在與私營企業進行合作關係討論的早期階段至關重要。 再者,對醫療行業而言,數據隱私問題總能引起公眾關注,甚至擔憂。NHS也非常重視數據隱私問題,並提出以下幾點建議:第一,相關機構應聯合開發適當的數據治理組織及技術架構,確保數碼創新中心保護患者數據,譬如數據審計跟蹤,以確保數據的每次互動都是可審核、透明和安全;第二,合成數據可解決數據隱私安全問題,通過選擇真實數據的特定樣本,創建規模龐大且非常接近真實的仿真數據樣本,讓NHS與私營企業合作的早期提供合成數據集,協助雙方更理解創新的商業價值,並就應該開發的適當商業模式,進行更符合業務需求且安全的供需關係。 總言之,在醫療行業裏,數據的質量決定其最終是否可用,數據隱私問題則關乎公眾切身權益,政府和企業須堅持數據使用原則、強化監管,並以創新思路(如提供可替代真實數據的合成數據)來保護個人隱私。高質量和不侵犯隱私的數據,是醫療業創新數據驅動科技的關鍵,英國政府與私營企業間的成功合作例子,已打開了通往智慧醫療城市的大門。 對我們而言,共同掌握數據的政府部門與私營企業應積極探索在醫療業的合作模式,為推進智慧醫療做出努力和變革。 智慧醫療與個人隱私如何兼顧(二之二)

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page