論文の概要: Anonymising Clinical Data for Secondary Use
- arxiv url: http://arxiv.org/abs/2307.03682v1
- Date: Wed, 17 May 2023 20:38:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 18:04:02.481532
- Title: Anonymising Clinical Data for Secondary Use
- Title（参考訳）: プライマリユースのための臨床データの匿名化
- Authors: Irene Ferreira, Chris Harbron, Alex Hughes, Tamsin Sargood, Christoph
Gerlinger
- Abstract要約: 近年, 臨床研究データの二次的利用が盛んに行われている。
これは被験者のプライバシー保護とバランスをとらなければならない。
データユーティリティと対象の再識別のリスクとの間にはトレードオフがある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Secondary use of data already collected in clinical studies has become more
and more popular in recent years, with the commitment of the pharmaceutical
industry and many academic institutions in Europe and the US to provide access
to their clinical trial data. Whilst this clearly provides societal benefit in
helping to progress medical research, this has to be balanced against
protection of subjects' privacy. There are two main scenarios for sharing
subject data: within Clinical Study Reports and Individual Patient Level Data,
and these scenarios have different associated risks and generally require
different approaches. In any data sharing scenario, there is a trade-off
between data utility and the risk of subject re-identification, and achieving
this balance is key. Quantitative metrics can guide the amount of
de-identification required and new technologies may also start to provide
alternative ways to achieve the risk-utility balance.
- Abstract（参考訳）: すでに臨床研究で収集されているデータの二次的利用は、近年ますます普及しており、製薬業界やヨーロッパや米国の多くの学術機関が臨床試験データへのアクセスを約束している。
これは医療研究の進歩に社会的な利益をもたらすが、被験者のプライバシーを守るためにバランスをとる必要がある。
臨床研究レポートと個々の患者レベルのデータでは、これらのシナリオは関連するリスクが異なり、一般的に異なるアプローチを必要とする。
あらゆるデータ共有シナリオでは、データユーティリティと主題の再識別のリスクとの間にトレードオフがあり、このバランスを達成することが重要です。
定量的メトリクスは、必要な非識別の量を導くことができ、新しい技術はリスクユーティリティバランスを達成するための代替手段を提供し始めるかもしれない。
関連論文リスト
- TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - A Survey of Few-Shot Learning for Biomedical Time Series [3.845248204742053]
データ駆動型モデルは、臨床診断を支援し、患者のケアを改善する大きな可能性を秘めている。
ラベル付きデータの不足を克服する新たなアプローチは、人間のような能力でAIメソッドを拡張して、少数ショット学習と呼ばれる限られた例で新しいタスクを学ぶことだ。
本調査は,生物医学的時系列アプリケーションのための数ショット学習手法の総合的なレビューと比較を行う。
論文 参考訳（メタデータ） (2024-05-03T21:22:27Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳（メタデータ） (2023-03-24T03:14:00Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Collaborative Drug Discovery: Inference-level Data Protection
Perspective [2.624902795082451]
製薬業界は、データ資産を活用して、協調的な機械学習プラットフォームを通じて薬物発見を仮想化することができる。
参加者のトレーニングデータの意図しない漏洩から生じる、無視できないリスクがある。
本稿では,創薬前段階における協調的モデリングのためのプライバシリスク評価について述べる。
論文 参考訳（メタデータ） (2022-05-13T08:30:50Z) - Making sense of violence risk predictions using clinical notes [0.988455728566886]
精神医学施設における暴力リスク評価は、介入によって暴力事件を避けることができる。
これまでの研究では、そのようなノートを用いて精神科患者の暴力リスクを許容できるパフォーマンスで評価しようと試みてきた。
論文 参考訳（メタデータ） (2022-04-29T10:00:07Z) - Classifying Cyber-Risky Clinical Notes by Employing Natural Language
Processing [9.77063694539068]
近年、アメリカ合衆国内の一部の州では、患者が臨床ノートに自由にアクセスできるように求めている。
本研究は,臨床ノートにおけるセキュリティ・プライバシリスクの特定方法について検討する。
論文 参考訳（メタデータ） (2022-03-24T00:36:59Z) - Distributed Learning Approaches for Automated Chest X-Ray Diagnosis [0.0]
医療機関のコンソーシアムが特定の疾患を特定するために機械学習モデルをトレーニングする必要がある場合、プライバシー問題に対処する戦略に焦点を当てる。
特に,本分析では,クライアントデータにおけるデータ分散の違いが,機関間のデータ交換頻度に与える影響について検討した。
論文 参考訳（メタデータ） (2021-10-04T14:22:29Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。