конфиденциальность данных

Исследование предлагает фреймворк федеративного обучения для совместного скрининга расстройства аутистического спектра (РАС) у детей, подростков и взрослых без обмена чувствительными данными пациентов. Персонализированные подходы федеративного обучения достигли глобальной точности 97,2% для детей, 89,5% для подростков и 86,8% для взрослых, превзойдя традиционные централизованные модели. Метод обеспечивает масштабируемое, точное и защищённое конфиденциальностью решение для обнаружения РАС в реальной клинической практике.

Статья анализирует запуск ChatGPT Health от OpenAI как важный момент для индустрии здравоохранения, смещая фокус с технологических ограничений на вопросы юридической ответственности, управления данными и клинической подотчётности. OpenAI позиционирует инструмент как вспомогательный слой для помощи людям в понимании медицинских записей и подготовке к разговорам с врачами, а не как замену медицинской помощи — инструмент явно не предназначен для диагностики или лечения. Автор подчёркивает, что сотни миллионов людей уже задают ИИ-системам вопросы о здоровье и загружают медицинские записи, содержащие высокочувствительную информацию. Ключевой тезис статьи: когда персональные медицинские данные начинают поступать в общие ИИ-системы, профиль рисков кардинально меняется, так как здравоохранение — это регулируемая экосистема, где некорректная обработка информации может причинить реальный вред. Статья поднимает критические вопросы: кто несёт ответственность, если модель выдаст неверную интерпретацию? Где хранятся данные и кто имеет к ним доступ? Что произойдёт при утечке или misuse чувствительной информации? Автор утверждает, что в регулируемых средах любая система, обрабатывающая данные пациентов, становится частью клинической поверхности риска независимо от первоначального намерения. В заключение отмечается, что основным ограничением здравоохранения является не недостаток интеллекта, а отсутствие согласованной инфраструктуры.