Dữ liệu chăm sóc sức khỏe là một tài sản vô cùng quý giá. Việc đảm bảo để nó được lưu giữ riêng tư và an toàn là ưu tiên hàng đầu đối với mọi đơn vị. Nhưng khi đại dịch Covid-19 dẫn đến nhiều đợt kiểm tra và thăm khám bệnh nhân hơn được thực hiện từ xa – telehealth, thì việc mất kiểm soát dữ liệu đó càng trở nên hiện hữu.
Thật ra, có nhiều lựa chọn tốt hơn để đảm bảo dữ liệu y tế của bệnh nhân vẫn được giữ riêng tư cho họ. Một tương lai mà khi đó tất cả các thông tin y tế tồn tại thì chỉ nằm ở rìa (thiết bị di động) mà thôi.
Hiện tại, lĩnh vực học liên kết – Federated Learning (hoặc Federated AI) đảm bảo rằng dữ liệu của người dùng vẫn ở trên thiết bị và các ứng dụng chạy một chương trình cụ thể vẫn đang học cách xử lý dữ liệu và xây dựng một mô hình tốt hơn, hiệu quả hơn. Luật HIPAA bảo vệ dữ liệu y tế của bệnh nhân, nhưng việc học liên kết sẽ tiến thêm một bước nữa bằng cách không chia sẻ dữ liệu với các bên nào khác ở ngoài.
Tận dụng hoạt động học tập liên kết là nơi dịch vụ chăm sóc y tế có thể phát triển xa với công nghệ này.
Machine Learning truyền thống yêu cầu tập trung dữ liệu để đào tạo và xây dựng mô hình. Với tính năng học liên kết, việc kết hợp các kỹ thuật bảo vệ quyền riêng tư khác có thể xây dựng các mô hình trong một thiết lập dữ liệu phân tán mà không làm rò rỉ thông tin nhạy cảm từ dữ liệu. Điều này sẽ cho phép các chuyên gia y tế trở nên bao quát hơn và tìm thấy sự đa dạng hơn trong dữ liệu bằng cách đi đến nơi của dữ liệu: người dùng.
Dữ liệu phù hợp tạo nên thế giới khác biệt
Hiện tại, gần như tất cả mọi người đều mang theo một chiếc điện thoại thông minh có thể thu thập các tín hiệu của tình trạng sức khỏe. Với tính năng học tập liên kết, chúng ta có thể tiếp cận đến những người dùng này. Các tín hiệu sức khỏe đó có thể bao gồm hình ảnh có thông tin y tế, gia tốc kế có thể ghi lại chuyển động, thông tin vị trí GPS có thể tiết lộ tín hiệu về sức khỏe và tích hợp với một số thiết bị y tế có thể chứa dữ liệu sinh trắc học, tích hợp với hồ sơ y tế như Apple health,…
Các mô hình dự đoán dựa trên AI có thể kết hợp dữ liệu thu thập được trên điện thoại thông minh cho các nghiên cứu y tế tiềm năng, đồng thời cung cấp các chỉ số sức khỏe tốt hơn theo thời gian thực.
Công nghệ trong điện thoại thông minh đã cung cấp cho chúng ta thông tin về chất lượng không khí trong thời gian qua, nhưng với tính năng học tập liên kết, hy vọng các ứng dụng sẽ bắt đầu tương tác với người dùng và bệnh nhân trong các sự kiện cụ thể manh tính cá nhân hơn. Ví dụ: nếu người dùng mắc bệnh hen suyễn ở quá gần khu vực đang xảy ra cháy rừng hoặc nếu ai đó bị dị ứng theo mùa ở xung quanh khu vực có lượng phấn hoa cao, tôi hoàn toàn mong đợi ứng dụng sẽ tương tác với người dùng đó và cung cấp các lưu ý để giảm thiểu tình huống nguy cơ.
Tầm quan trọng của việc ưu tiên quyền riêng tư trên hết
Những thông tin chi tiết này không thể được cung cấp nếu không có dịch vụ thu thập thông tin quan trọng từ người dùng. Với các kỹ thuật bảo vệ quyền riêng tư (chẳng hạn như quyền riêng tư về sự khác biệt), dữ liệu này chỉ được lưu trữ cục bộ và ngoài rìa, mà không được gửi lên đám mây hoặc bị rò rỉ cho bên thứ ba.
Chúng ta nhấn mạnh tầm quan trọng của quyền riêng tư. Người dùng phải sở hữu dữ liệu của họ và có tính minh bạch về nơi dữ liệu được gửi và chia sẻ. Mọi loại dữ liệu cần được cấp phép thu thập và phải có sự minh bạch về cách dữ liệu sẽ được sử dụng.
Có nhiều điều phải làm về quyền riêng tư hơn là chỉ tuyên bố suông về “sứ mệnh” – khi các dịch vụ y tế được xây dựng ưu tiên quyền riêng tư, bạn có thể thu hút nhiều người tham gia hơn vào vòng đào tạo dữ liệu, cho phép các nhóm tìm thấy tập người dùng đa dạng hơn, những người cảm thấy tự tin hơn trong việc chia sẻ quyền truy cập vào dữ liệu riêng tư của họ. Hệ thống y tế thời gian thực và bao quát hơn, nơi các mô hình học hỏi nhanh hơn từ một tập lớn người dùng thay vì chỉ một số ít, sẽ dẫn đến kết quả y tế tốt hơn, chính xác hơn.
Sự thật không may là việc chăm sóc y tế đã diễn ra theo cách biệt lập và việc trao đổi dữ liệu thường khó khăn và tốn kém. Ví dụ: dữ liệu EMR không có sẵn với các xác nhận quyền sở hữu và dữ liệu kê đơn, và liệu đơn thuốc đã được thu thập có tồn tại trong các hệ thống khác hay chưa. Sau đó, nếu bạn phân lớp dữ liệu, chẳng hạn như di truyền, những gì bạn ăn, các yếu tố quyết định xã hội về sức khỏe và dữ liệu hoạt động, bạn sẽ gặp vấn đề gọi là multi-node cho một người dùng. Không có nguồn tin cậy duy nhất và việc tập trung tất cả những điều này là vô cùng khó khăn.
Học tập liên kết cung cấp cơ hội hoàn hảo để tránh những rào cản này. Bằng cách giao cho người dùng / bệnh nhân chịu trách nhiệm điều phối dữ liệu sức khỏe của họ, bạn có thể cung cấp các lựa chọn tham gia phù hợp để tìm hiểu từ dữ liệu của họ trên các hệ thống riêng biệt này. Giờ đây, có thể hình dung việc học tập liên kết được áp dụng trong các tổ chức, nắm giữ dữ liệu nhạy cảm và cùng nhau xây dựng các mô hình hiệu quả và hiệu quả hơn trong chăm sóc y tế, chăm sóc sức khỏe nói chung.
