論文の概要: The Gradient of Health Data Privacy
- arxiv url: http://arxiv.org/abs/2410.00897v1
- Date: Tue, 1 Oct 2024 17:35:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-05 00:19:53.333609
- Title: The Gradient of Health Data Privacy
- Title（参考訳）: 健康データプライバシーのグラディエント
- Authors: Baihan Lin,
- Abstract要約: 本稿では、健康データガバナンスに対する新たな「プライバシ・グラデーション」アプローチを紹介する。
我々の多次元概念は、データ感度、利害関係者の関係、使用目的、時間的側面などの要因を考察する。
このアプローチは、世界中の多様な医療環境において、重要なプライバシー問題にどのように対処できるかを実証する。
- 参考スコア（独自算出の注目度）: 15.417809900388262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of digital health and artificial intelligence, the management of patient data privacy has become increasingly complex, with significant implications for global health equity and patient trust. This paper introduces a novel "privacy gradient" approach to health data governance, offering a more nuanced and adaptive framework than traditional binary privacy models. Our multidimensional concept considers factors such as data sensitivity, stakeholder relationships, purpose of use, and temporal aspects, allowing for context-sensitive privacy protections. Through policy analyses, ethical considerations, and case studies spanning adolescent health, integrated care, and genomic research, we demonstrate how this approach can address critical privacy challenges in diverse healthcare settings worldwide. The privacy gradient model has the potential to enhance patient engagement, improve care coordination, and accelerate medical research while safeguarding individual privacy rights. We provide policy recommendations for implementing this approach, considering its impact on healthcare systems, research infrastructures, and global health initiatives. This work aims to inform policymakers, healthcare leaders, and digital health innovators, contributing to a more equitable, trustworthy, and effective global health data ecosystem in the digital age.
- Abstract（参考訳）: デジタルヘルスと人工知能の時代、患者のデータプライバシの管理はますます複雑になり、グローバルヘルスエクイティと患者の信頼に重大な影響を及ぼす。
本稿では、従来のバイナリプライバシモデルよりも微妙で適応的なフレームワークを提供する、健康データガバナンスに対する新しい"プライバシ・グラデーション"アプローチを紹介する。
我々の多次元概念は、データ感度、利害関係者の関係、使用目的、時間的側面などの要素を考慮し、コンテキストに敏感なプライバシー保護を可能にします。
政策分析,倫理的考察,青少年の健康,統合ケア,ゲノム研究にまたがるケーススタディを通じて,世界中の多様な医療環境において,このアプローチが重要なプライバシー問題にどのように対処できるかを実証する。
プライバシ勾配モデルは、患者のエンゲージメントを高め、ケア調整を改善し、個々のプライバシ権利を保護しながら、医療研究を加速する可能性がある。
我々は、医療システム、研究インフラ、グローバルヘルスイニシアチブへの影響を考慮して、このアプローチを実施するための政策レコメンデーションを提供する。
この研究は、政策立案者、医療指導者、デジタルヘルスイノベーターに通知することを目的としており、デジタル時代のより公平で、信頼できる、効果的なグローバルヘルスデータエコシステムに貢献している。
関連論文リスト
- Privacy-Preserving Collaborative Genomic Research: A Real-Life Deployment and Vision [2.7968600664591983]
本稿ではLynx.MDと共同で開発されたゲノム研究のためのプライバシ保護フレームワークを提案する。
このフレームワークは、重要なサイバーセキュリティとプライバシの課題に対処し、プライバシ保護によるゲノムデータの共有と分析を可能にする。
Lynx.MD内でのフレームワークの実装には、ゲノムデータをバイナリ形式に符号化し、制御された摂動技術を通じてノイズを適用することが含まれる。
論文 参考訳（メタデータ） (2024-07-12T05:43:13Z) - A Qualitative Analysis Framework for mHealth Privacy Practices [0.0]
本稿では,mHealthアプリにおけるプライバシプラクティスの質的評価のための新しいフレームワークを提案する。
調査では、Androidプラットフォーム上でmHealthをリードする152のアプリを分析した。
以上の結果から,機密情報の誤用や誤用に悩まされていることが示唆された。
論文 参考訳（メタデータ） (2024-05-28T08:57:52Z) - Healthcare Data Governance, Privacy, and Security - A Conceptual Framework [0.4972323953932129]
データの豊富さは、あらゆる面で世界を変えました。
これらの進歩にもかかわらず、プライバシとセキュリティは医療業界にとって重要な関心事である。
概念的プライバシとセキュリティ駆動型医療データガバナンスフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-26T12:29:56Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳（メタデータ） (2024-01-22T03:17:41Z) - A Survey on Privacy of Health Data Lifecycle: A Taxonomy, Review, and Future Directions [1.3927943269211591]
我々は、既存の業務を見直し、健康データライフサイクルで発生した10の異なるプライバシー上の懸念を抽出する。
本稿では,医療におけるプライバシ保護のためのテクニックの分類法を提案する。
健康データ管理におけるプライバシ保護の課題を軽減するために,今後の研究の方向性を明らかにした。
論文 参考訳（メタデータ） (2023-11-09T14:37:41Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - The Design and Implementation of a National AI Platform for Public
Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。
このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。
AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文 参考訳（メタデータ） (2023-04-24T08:00:02Z) - 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) - Precision Health Data: Requirements, Challenges and Existing Techniques
for Data Security and Privacy [6.911121051195788]
本稿では,世界の規制,倫理的ガイドライン,ドメイン固有のニーズについて考察する。
要件を提示し、関連する課題を調査します。
これは、概念的なシステムモデルを用いて、精度の高い健康データセキュリティとプライバシのための最良のテクニックを説明している。
論文 参考訳（メタデータ） (2020-08-24T22:17:32Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
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。