人工智能如何克服医疗数据安全挑战，提高患者信任

的总裁兼联合创始人Robert Lord在2018年医疗保健分析峰会上的演讲是本报告的基础Protenus，“隐私分析:约翰霍普金斯大学案例研究——使用人工智能阻止数据泄露。”

一些安全专家声称，个人的医疗记录可以被出售十倍他们的信用卡在黑市上的价值，使其成为黑客的常见目标。在当今的医疗保健行业，实施隐私分析以提高整个行业的医疗保健数据安全性至关重要，因为关于患者隐私和安全的问题比答案更多。

约翰霍普金斯大学将人工智能(AI)应用应用到实践中，以生成高度精确的隐私分析模型，该模型可以检查患者数据的每个接入点，并检测何时EHR可能面临隐私侵犯、攻击或破坏。具体的技术，包括有监督和无监督的机器学习和透明的AI方法，推动约翰霍普金斯大学向其预测性、基于分析的协作隐私分析基础设施发展。

医疗保健数据安全与争取患者信任的斗争

通过一个安全的、分析驱动的数字卫生系统，约翰霍普金斯克服了在卫生系统中提供高质量护理的普遍障碍:患者信任。违规行为对医疗保健组织是危险的，因为它们立即危及患者的信任，导致患者向提供者隐瞒重要的健康信息。如果没有对患者健康状况的全面了解，临床医生就无法为患者提供全面的医疗服务，从而导致接受和提供医疗服务的人的医疗体验都低于标准。

患者最初不愿意与提供者分享信息，因为他们不知道谁可以访问他们的信息，他们不确定卫生系统如何保证患者数据的安全和安全。数据泄露事件在过去十年中翻了一番，这削弱了患者的信任，导致患者向其他提供者或组织寻求治疗，随着时间的推移可能给卫生系统造成相当大的损失。

EHRs和常见的安全隐患

根据约翰霍普金斯大学的一项案例研究，临床系统中的大多数数据泄露(如丢失、盗窃、内部泄露等)源自组织的员工，而不是外部黑客窃取个人电脑上的数据。最常见的违规者是卫生系统工作人员和临床医生，他们可以使用该组织的电子病历。

电子病历的设计目的是授予大量人群访问权限，这意味着采取积极措施防止安全漏洞有其挑战:

1. HIPAA与全面审查的复选框约翰霍普金斯大学的领导和临床医生正忙着核对方框，以安抚美国卫生与公众服务部下属的民权办公室的监管机构。美国卫生和公众服务部) -负责执行的机构健康保险流通与责任法案-而不是彻底检查每一个标记的记录。缺乏深入、全面的审查也阻碍了组织主动搜索数据泄露;相反，他们必须等到收到有关可疑活动的通知。
2. 过度劳累的隐私和安全官员:耗时费力的数据安全流程要求隐私和安全工作人员专注于筛选泄露数据，而不是在更重要的任务上使用他们的批判性思维技能和人的判断，例如决定哪些危险信号值得跟进。
3. 对扩大准入的担忧:医疗保健组织正在迅速增长并增加其工作人员，使更多的人能够使用电子病历。然而，在越来越多的用户中，隐私和安全措施却没有进步。
4. 隐私程序和过时系统的原始状态:传统系统也有自己的挑战，包括追溯式(而非主动)调查、高误报率、缺乏数据源聚合功能、缓慢的搜索查询和缺乏可视化工具，这些都阻碍了组织探索工作流程和改进隐私侵犯识别过程的能力。

隐私分析的新方法

凭借其精确整理、分析和审查大量信息的能力，人工智能创建了一个高度正确的隐私模型，帮助组织克服这些太过常见的医疗保健数据安全障碍。约翰霍普金斯大学的隐私分析方法允许领导层准确地审查所有数据日志;创建跨组织的协作的、跨学科的计划，消除数据竖井;并为长期隐私分析开辟一条可持续的道路，以改变医疗保健领域隐私分析的未来。

为了实现这种更高水平的隐私分析管理，约翰霍普金斯大学仔细确定了其关键绩效指标(kpi)，并利用它们克服组织惯性，这阻碍了大型机构的变革。

约翰霍普金斯大学使用以下5个kpi来衡量成功:

1. 我们发现了哪些威胁?
2. 我们的假阳性率是多少?
3. 我们当前维护工具的负担是什么?
4. 调查时间是什么?
5. 加班时隐私威胁的总体减少是多少?

该组织新的隐私分析平台旨在提高医疗保健数据的安全性，它为隐私和安全团队打开了沟通渠世界杯厄瓜多尔vs塞内加尔波胆预测道，使他们能够更紧密地合作。这种协作工作消除了旧系统识别内部威胁、网络钓鱼和证书共享所需的手工工作，从而帮助了安全团队，这使隐私团队更容易完成调查和审计。

起初，约翰霍普金斯大学的员工质疑新的监控流程，并担心领导层对员工缺乏信任。然而，他们很快发现，新的安全平台实际上增强了团队成员的能力，甚至消除了错误的沟通。世界杯厄瓜多尔vs塞内加尔波胆预测使用新数据平台的积极体验在约翰霍普金斯大学团队成员之间建立了信任，其中许多人也是卫生世界杯厄瓜多尔vs塞内加尔波胆预测系统的患者。创新的安全平台也让约翰霍普金斯大学的高级领导团队世界杯厄瓜多尔vs塞内加尔波胆预测看到了大局，并朝着他们的真正目标努力——留住患者并与社区建立信任。

驱动医疗保健数据安全成本的因素

为了评估新平台的总拥有成本，约翰霍普金斯大学的领导层评估了影响其医疗保健数据安全和隐私的主要因素:世界杯厄瓜多尔vs塞内加尔波胆预测

• 当前软件成本与新平台成本的比较。世界杯厄瓜多尔vs塞内加尔波胆预测
• 新平台对目前全职员工(fte)数量的影响，尤世界杯厄瓜多尔vs塞内加尔波胆预测其是那些经常被忽视的“沉默的”全职员工(如商业智能、护理和法律团队的成员)。
• 外部公司解决数据差异、响应时间延迟和违规罚款的成本。
• 最重要的是，由于数据泄露导致患者信任下降而失去患者的成本。

为什么合规分析如此有效

约翰霍普金斯大学在隐私和安全过程中看到的结果是无可辩驳的——传统的调查需要75分钟，而在新平台上进行的调查只需要5分钟，每项调查节省了1个多小时。世界杯厄瓜多尔vs塞内加尔波胆预测新平台的假阳性率从83%急剧下降到惊人的3%，这意味着几乎每一个通知都是真正的数据泄露。世界杯厄瓜多尔vs塞内加尔波胆预测

约翰霍普金斯大学的安全和隐私团队成员使用新平台节省的时间，以及误报率的大幅下降，极大地改善了工作流程，使员工有更多时间从事需要批判性思维和人类判断的项目。世界杯厄瓜多尔vs塞内加尔波胆预测

三个核心组件的改进改变了约翰霍普金斯大学的文化和工作流程挑战:

1. 规模:遵从性分析促进数据集成，因为它将解决问题所需的所有信息集中在一个地方。企业范围的解决方案还服务于整个卫生系统的各种遵从性利益。最重要的是，它允许组织审查所有记录，而不是审查记录的一小部分。
2. 复杂性:复杂的平台可以处理每个案例的细微差别世界杯厄瓜多尔vs塞内加尔波胆预测，使其易于识别异常行为(例如，AI行为仪表板，图1)。与遵循基于规则的系统的僵化参数导致高误报率不同，新系统的分发能力使组织可以专注于最不寻常的威胁，他们可以适应一个非标准的发行列表(对于那些身披多种身份且不符合单一描述的提供者来说很常见)。

从医疗助理、医生、护士到研究助理，遵从性分析就像医疗保健职位的角色一样灵活。与手动分配团队成员的角色不同(例如，Dr. Jones是家庭执业医生)，EHR中的活动分布定义了个人的角色。例如，如果Dr. Jones花了大部分时间查看能够表明她是一名妇产科医生的信息，那么AI平台将自动为她分配妇产科医生的角色，以及基于她的分销活动的其他角色。世界杯厄瓜多尔vs塞内加尔波胆预测

3. 自动化:遵从性分析系统中的自动化并没有消除对员工的需求，但它利用了他们的判断能力，使团队成员可以专注于增加价值的任务，而不是在可自动化的任务上浪费时间(例如，筛选假积极)。

自动化与人类判断相结合的力量

遵从性分析平台的自动化因素使团队成员能够应用批判性思维和判断来改进组织。世界杯厄瓜多尔vs塞内加尔波胆预测自动化和约翰霍普金斯大学团队成员的强大结合带来了三个主要好处:

1. 自然语言案例:收集事实，记录案例，并将它们提交给合规官对工作人员来说是一种时间消耗。法规遵从性分析平台提供了自然语言注释，包括员工提交世界杯厄瓜多尔vs塞内加尔波胆预测法规遵从性报价所需的信息。当出现数据泄露时，团队成员可以直接从平台打印罚单。世界杯厄瓜多尔vs塞内加尔波胆预测打印出来的文件开始调查。
2. 自动电子邮件:遵从性分析系统可以为系统想要标记的任何级别的威胁创建自动电子邮件。当出现警报时，系统自动生成电子邮件，而不是要求团队成员手动发送。新系统将自动生成的电子邮件移到一个队列中，等待指定的审核人员批准，然后再发送给收件人。
3. 文档和综合日志:如果人工智能对它标记某种行为的原因缺乏解释，它就没有帮助。这种尖端的解决方案消除了人工智能的“黑箱”，并解释了为什么某些事情会被标记、看起来有风险或被识别为异常行为，从而允许组织以透明的方式解决安全问题，如图1所示。

覆盖面更广:法规遵循分析和医疗保健数据安全的未来

医疗数据安全和隐私是当今医疗保健领域日益重要的问题，如果处理不当，可能会造成数百万美元的损失。波耐蒙研究所而且IBM的安全进行了一次全球调查数据泄露给一个组织造成的损失平均高达645万美元。通过支持人工智能的平台，医疗保健系统可以主动预防安全漏洞及其深远影响，为长期的安全和隐私变化提供明确的解决方案。2022卡塔尔世界杯赛程表时间世界杯厄瓜多尔vs塞内加尔波胆预测

当组织系统地评估他们的隐私和安全风险时，很容易忽略最佳实践，只关注法律的“复选框”。然而，这些努力可能是徒劳的。真正导致长期范式转变的变化发生在组织评估并遵循最佳实践时，例如审计每个接入点，准确地呈现案例而不是报告。

约翰霍普金斯大学证明，克服多年重复的常规程序所造成的隐私和安全停滞是可能的。它从基于规则的数据泄露防御系统转变为以分析为中心的范式。成功的关键包括一个有效的框架，它培养了一个遵从性分析优先的环境，以及领导层识别适当工具的能力，以在他们自己的组织环境中评估隐私和安全分析。

更多的阅读

你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:

1. 客户旅程分析:为支付者破解患者参与挑战
2. 减少医院再入院:综合分析的一个案例
3. 临床用户有意义的机器学习可视化:一个框架
4. 医疗保健AI的未来:一个诚实、直接的问答
5. 机器学习在医疗保健领域:C-Suite高管必须知道什么才能在他们的组织中有效地使用机器学习

---

幻灯片

您愿意使用或分享这些概念吗?下载突出重点的演示文稿。

请按此下载幻灯片

人工智能如何克服医疗数据安全挑战，提高患者信任从世界杯葡萄牙vs加纳即时走地