Raziskovalci na Univerzi v Københavnu so razvili inovativno programsko opremo, ki se spopada s izzivom varovanja občutljivih podatkov, uporabljenih v aplikacijah strojnega učenja v zdravstvu. Ta metoda zagotavlja zasebnost, hkrati pa omogoča dostop do podatkovnih zbirk za razvoj izboljšanih terapij.
Zbiranje in analiziranje podatkov velike skupine pacientov je ključno v sodobnem zdravstvu za identifikacijo vzorcev ter določanje učinkovitosti in morebitnih stranskih učinkov terapij. Vendar pa je pomembno zaščititi te podatke, da se ohrani zasebnost posameznikov in vzpostavi javno zaupanje. Na žalost so prejšnji poskusi anonimizacije podatkov in njihove javne dostopnosti privedli do kršitev, kjer so raziskovalci uspeli ponovno identificirati udeležence s pomočjo različnih javno dostopnih informacijskih virov.
Za rešitev tega problema so raziskovalci na Oddelku za računalništvo na Univerzi v Københavnu razvili praktično in stroškovno učinkovito rešitev. Doktorski študent Joel Daniel Andersson pojasnjuje: “Razvili smo praktičen in ekonomičen način za zaščito podatkovnih zbirk, uporabljenih za usposabljanje modelov strojnega učenja.” Pomen njihovega dela je očiten iz JoeloVEGA povabila na Google Tech Talk o tematiki ter njegove nedavne predstavitve na konferenci NeurIPS o strojnem učenju.
Glavna zamisel njihovega pristopa je namerno vnašanje “šuma” v vsako izhodno informacijo, izpeljano iz podatkovne zbirke. Za razliko od tradicionalnih metod šifriranja, kjer se šum dodaja in kasneje odstrani, v tem primeru šum ostane prisoten. Ko je šum vključen, postane nedvoumno neprepoznaven od izvirne izhodne informacije.
Seveda imajo lastniki podatkovnih zbirk lahko skrbi glede dodajanja šuma v izhodne informacije, izpeljane iz njihovih podatkov. Vendar ta nov pristop zagotavlja, da je tudi ob dostopu do šumovnih izhodov nemogoče identificirati podatke, na katerih temeljijo.
Z uporabo tega pristopa so raziskovalci na Univerzi v Københavnu odprli nove možnosti za dostopnost občutljivih zdravstvenih podatkov za raziskave in analize hkrati pa učinkovito varujejo zasebnost posameznikov. Ker strojno učenje nadaljuje z revolucijo v zdravstvu, bodo rešitve, ki jih skrbi za zasebnost, kot je ta, igrale ključno vlogo pri razvoju boljših terapij brez ogrožanja zaupnosti pacientov.
The source of the article is from the blog lokale-komercyjne.pl