論文の概要: AegisBlock: A Privacy-Preserving Medical Research Framework using Blockchain

• arxiv url: http://arxiv.org/abs/2508.11797v1
• Date: Fri, 15 Aug 2025 20:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.377352
• Title: AegisBlock: A Privacy-Preserving Medical Research Framework using Blockchain
• Title（参考訳）: AegisBlock:ブロックチェーンを使用したプライバシ保護医療研究フレームワーク
• Authors: Calkin Garg, Omar Rios Cruz, Tessa Andersen, Gaby G. Dagher, Donald Winiecki, Min Long,
• Abstract要約: 我々は患者中心のアクセス制御フレームワークであるAegisBlockを提案し、研究者と医療記録を共有する。 AegisBlockは、患者が医療データにアクセスできるようにする。
• 参考スコア（独自算出の注目度）: 10.20036436180865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to HIPAA and other privacy regulations, it is imperative to maintain patient privacy while conducting research on patient health records. In this paper, we propose AegisBlock, a patient-centric access controlled framework to share medical records with researchers such that the anonymity of the patient is maintained while ensuring the trustworthiness of the data provided to researchers. AegisBlock allows for patients to provide access to their medical data, verified by miners. A researcher submits a time-based range query to request access to records from a certain patient, and upon patient approval, access will be granted. Our experimental evaluation results show that AegisBlock is scalable with respect to the number of patients and hospitals in the system, and efficient with up to 50% of malicious miners.
• Abstract（参考訳）: HIPAAやその他のプライバシー規制のため、患者の健康記録の研究をしながら患者のプライバシーを維持することが不可欠である。 本稿では,AegisBlockを提案する。AegisBlockは患者に提供されたデータの信頼性を確保しつつ,患者の匿名性を維持した医療記録を研究者と共有するための,患者中心アクセス制御フレームワークである。 AegisBlockは、患者が医療データにアクセスできるようにする。 研究者は、特定の患者から記録へのアクセスを要求するための時間ベースの範囲クエリを提出し、患者が承認されると、アクセスが許可される。 実験の結果,AegisBlockはシステム内の患者数や病院数に対してスケーラブルであり,最大50%の悪意ある鉱夫で効率がよいことがわかった。

関連論文リスト

• S3PHER: Secure and Searchable System for Patient-driven HEalth data shaRing [0.0]
  患者と介護者の健康データを共有するための現在のシステムは、プライバシ、機密性、同意管理といった重要なセキュリティ要件を完全には解決していない。 S3PHERは、医療データを共有するための新しいアプローチであり、患者にデータにアクセスする人、データにアクセスする人、そしていつアクセスされるかを制御する。
  論文  参考訳（メタデータ） (2024-04-17T13:31:50Z)
• Retrieval Augmented Thought Process for Private Data Handling in Healthcare [53.89406286212502]
  Retrieval-Augmented Thought Process (RATP)を紹介する。 RATPは大規模言語モデル(LLM)の思考生成を定式化する 電子カルテのプライベートデータセットにおいて、RATPは、質問応答タスクのコンテキスト内検索強化生成と比較して35%の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-12T17:17:50Z)
• A Solution for Commercializing, Decentralizing and Storing Electronic Medical Records by Integrating Proxy Re-Encryption, IPFS, and Blockchain [6.237350715303438]
  本稿では,EVM互換のブロックチェーンとIPFSを用いた分散ストレージを実現するための革新的なソリューションを提案する。 プライバシとコントロールを確保するため,医療データマーケットプレースでは,PRE(Proxy Re-Encryption)という暗号認証方式を採用しています。 ブロックチェーンのスマートコントラクトとIPFSを通じて、ユーザの健康データに対するコントロールを強化し、医療記録の整合性とプライバシを保護する。
  論文  参考訳（メタデータ） (2024-02-08T09:09:03Z)
• Medical Data Asset Management and an Approach for Disease Prediction using Blockchain and Machine Learning [0.0]
  本稿では,専門医や患者が保護された方法で記録を取得できるように,オフチェーンアレンジメントを利用した技術を提案する。 最終的な結果は、高セキュリティ情報を手作業で取得、識別、保証するためのWebおよびポータブル接続ポイントとして見なされる。
  論文  参考訳（メタデータ） (2023-04-27T10:38:25Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Decentralized Patient Centric e-Health Record Management System using Blockchain and IPFS [0.9558392439655015]
  認可されたブロックチェーンを使用することで、世界中の病院と患者が相互に接続できるようになる。 我々のメカニズムは、レコードの安全な保存と選択的アクセスを確保するために、対称鍵暗号と非対称鍵暗号の組み合わせを使用する。 患者は患者の健康記録を完全にコントロールでき、病院の医療記録へのアクセスを許可したり取り消したりできる。
  論文  参考訳（メタデータ） (2020-09-29T19:54:58Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres [55.41644538483948]
  在宅患者を自動的に遠隔監視するデジタル技術について述べる。 患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
  論文  参考訳（メタデータ） (2020-03-12T16:08:09Z)
• DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment Prediction [67.91606509226132]
  臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。 DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
  論文  参考訳（メタデータ） (2020-01-22T17:51:25Z)

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。