每个美国人都有官方的医疗记录,这些记录被锁在医生办公室和医院的电脑和文件柜里,并受到严格的隐私法的保护。但大多数人不会考虑他们的其他医疗记录——他们在日常生活中产生的非正式“影子”。
在《科学》(Science)杂志上的一篇新文章中,由密歇根大学(University of Michigan)两名研究人员领导的一个专家小组呼吁人们关注这一影子记录。他们描述它作为数据生成的人戴着健身追踪,使用智能手机健康应用商店对与健康有关的成本-或者,几乎任何网络或与客户忠诚卡,订单DNA测试来了解其遗传疾病风险或祖先,搜索互联网健康信息,或者在社交媒体或其他网站上发布关于他们健康的帖子。
由密歇根大学法律助理教授尼克尔森·普赖斯领导的国际团队说,当来自许多人的影子记录元素汇集在一起,并被学术研究人员或行业使用时,它们可以推动医疗保健研究和创新的进展。
事实上,他和他的同事们说,公司已经开始收集和出售大量此类数据的使用权。但是,他们说,在如何存储和使用影子数据以及如何保护数据背后人员的隐私方面,几乎没有什么规则适用。
同时,学术卫生服务研究人员已经从官方医疗记录中研究了批量数据,之后被剥夺了个人识别。这种研究称为卫生服务研究,促进了许多改进的护理和政策。
普赖斯和密歇根大学医学院助理教授、密歇根大学生命伦理与社会科学医学中心成员凯特·斯佩克特·巴格达迪(音)对现行的有关影子医疗记录的法律和规定进行了分析。Spector-Bagdady说:“并非所有行业参与健康数据都是坏事。“产业可以帮助推动创新。但在不知情的情况下,依靠漏洞收集个人健康数据是掠夺性的。”
她和Price与科罗拉多大学法学副教授Margot Kaminski和哥本哈根大学生物医学创新法高级研究中心主任Timo Minssen合作。他们呼吁提高现行法规的清晰度,以确保符合公众利益的研究能够继续进行。他们还建议,未来任何与数据隐私有关的听证会、立法和法规都应特别关注与健康有关的主题。
更透明的黑匣子
最近几个月,Price还写了另一篇关于数据驱动医疗创新领域的文章,他说这个领域需要更多的透明度。它们被称为“黑匣子”算法,是一种新兴的人工智能软件,利用大规模的医疗数据为医生、其他医疗服务提供商或消费者提供健康问题建议。
它们基于一种叫做机器学习的技术,将大量数据输入计算机化系统,并教它们识别和预测模式。例如,利用来自数千名患者的肺癌风险数据,一种算法可以帮助医生决定哪些患者应该进行胸部CT扫描,以确定他们是否有肺癌的早期迹象,以及哪些患者不太可能从这种筛查中获益。
去年12月,普赖斯在《科学转化医学》(Science Translational Medicine)杂志上撰文,描述了这些算法在预测疾病进程方面的潜在价值,或增强放射科医生和病理学家阅读患者扫描图和组织样本的技能。但他也指出,现在需要制定此类工具的临床使用和监管指南,包括验证这些工具实际用途的标准。
行业在制造黑匣子时使用的数据和假设方面更加透明,这有助于增加供应商选择使用这些工具的机会,也有助于监管机构不会以限制它们使用的方式对它们进行打压。
相反,他认为,医疗算法部门需要监管的灵活性、透明度和卫生系统不同部门的广泛参与,包括研究人员、提供者和监管机构。普赖斯表示:“大数据和人工智能正在医药领域领先。“而现在,法律和政策正在迎头赶上。”
警告太多隐私
今年1月,Price还与哈佛大学peter - flom卫生法律政策、生物技术和生物伦理学中心的I. Glenn Cohen在《自然医学》杂志上共同撰写了一篇评论文章。在这本书中,他们探讨了医学领域大数据、人工智能、机器学习和其他数据驱动技术兴起的许多法律和伦理方面的问题。他们呼吁在最大化开发和使用这类工具的潜力和保护那些医疗和影子数据将被匿名用于构建和测试这些工具的人的隐私之间取得平衡。普莱斯和科恩写道:“重要的是,我们不能想当然地认为所有人都应该追求隐私最大化。”“隐私保护不足和过度保护都会对病人造成明显的伤害,无论是今天还是明天。”
来源:密歇根大学