在遵守数据隐私法的同时,如何利用AI / ML分析大量的客户数据集

通过将AI / ML应用于由生物制药公司,医疗机构,药房以及医疗保健行业中的其他公司收集的大量客户数据,可以提取出深入而可行的见解。这些见解可以使生物制药公司将最新的产品信息带给医生,并与患者互动,以改善对治疗方案和结果的依从性,并提高医疗保健效率。

在这个数字时代,许多生物制药公司通过电子邮件与医疗保健提供者进行互动,并在其CRM系统上获得此联系信息。该信息包括时间,日期,主题行(短或长,信息性或简洁性),电子邮件文本的性质以及HCP响应,包括打开电子邮件的时间,是否单击链接以获取更多信息,类型请求的信息或后续行动,以及HCP在一段时间的脱离后是否返回了公开电子邮件。

没有AI / ML,将很难在HCP级别分析具有复杂结构的此类丰富数据。利用AI / ML,我们可以提取HCP对各种类型电子邮件的响应模式,并发现关于何时以及如何寻求与之互动的见解。例如,通过开发用于分析一家生物制药公司的此类数据的AI / ML算法,我们发现一些医师对星期五下午发送给他们的电子邮件反应良好。尽管这可能不直观,但进一步的研究证实了以下事实:许多医生在工作日忙于照顾病人,并且仅在周末打开生物制药公司的电子邮件。

遵守数据隐私法规

在某些国家/地区,可以使用医师级别的处方数据,但必须通过第三方访问。在这种情况下,生物制药公司可以与第三方合作开发和培训AI / ML算法,以在医师级别分析数据,然后在组级别向生物制药公司发送见解,同时确保组规模符合国内隐私法规。例如,某些国家/地区要求该小组在共享医师级别的信息时至少包括五名医师。或者,有权访问医师级别数据的第三方可以使用AI / ML生成合成数据,以模仿真实医师级别数据的特征,然后将合成数据发送给生物制药公司以训练AI / ML算法和提取见解。

根据当代隐私法,可以在某些条件下使用患者级别的数据,即个人健康信息(也称为“受保护的健康信息”)。一种情况是是否已获得患者的同意。在某些情况下,获得同意是不切实际的。如果我们想从一个跨越十年的大型医院数据库中构建AI / ML模型,那么回溯并获得所有患者的追溯同意是不现实的。一些患者可能因为他们已经移动或死亡而无法到达,因此与其余患者联系并向他们解释研究的目的将具有挑战性,耗时且昂贵。也有可能并非所有患者都会同意,令人信服的证据表明,同意者和未同意者的特征在系统上有所不同,导致同意的子集将成为数据集的有偏差样本。

数据去识别

解决此问题的另一种方法是取消标识数据集。取消身份验证是使个人健康信息成为非个人信息的过程。由于它不再是个人信息,因此可以在AI / ML项目中使用,而无需征得您的同意。尽管这是取消身份验证的巨大好处,但必须很好地执行取消身份验证过程,以证明这种免除隐私法规义务的合理性。取消识别行为本身通常被认为是对信息的合法使用,因此不需要征得同意。

良好地执行去识别性意味着评估重新识别风险的公认方法可以证明所产生的风险低于常用风险阈值,或者对于被认为可接受的风险有很强的先例。另一个关键考虑因素是将要运行AI / ML项目的环境以及适当的安全和隐私控制。这些控制措施越强,重新识别的风险就越低。取消标识AI / ML项目的数据时,三个重要的注意事项是:数据实用程序,透明度和道德规范。第一个是技术问题,后两个与治理有关。

每当转换数据时,数据的实用程序都会受到影响。可以将许多转换选择应用于数据集,这些选择由所使用的算法确定。取消识别算法很重要。好的算法将应用足够的转换,但仍保留高数据实用性。

重要的是要透明化数据使用情况以及将根据AI / ML模型做出何种决策。即使无法事先获得同意,也应以合理的方式将患者数据用于辅助目的这一事实。

最后的考虑是需要确保以道德和非歧视的方式开发或使用AI / ML模型,或者不以不利于特定患者群体的方式开发和使用AI / ML模型。通常,会进行道德审查流程,以监督模型的开发和使用。审核过程不必很复杂,但应相称。

对患者的最大好处

当这些方面得到很好解决时,可以将AI / ML应用于分析纵向患者数据并提取有价值的可行见解。 AI / ML可以识别患者旅程中的模式,以发现可能受益于某些产品的患者人群。 AI / ML可以识别出未诊断的罕见病患者,并预测对当前方案无反应的患者的下一线治疗。 AI / ML可以比较患者的特征,依从性以及对不同治疗方案的反应,并确定可以改善患者护理水平的治疗方案。清单继续。

AI / ML具有改善患者护理和医疗保健效率的巨大潜力。生物制药公司及其合作伙伴必须采取额外措施,以确保其对数据的二次使用与当前的隐私法规保持一致,其中包括实施适当的技术和管理控制以及可能的身份识别。最后,当使用AI / ML提取见解时,必须注意确保这些见解与对数据使用的道德期望相符(例如,最小化偏差),并且这些AI / ML所提取的见解用于对社会负责并对患者和社会产生积极影响。

  • 袁一联博士

    袁一联博士现任美国全球数据科学和高级分析高级副总裁 智商。她领导着一支由数据科学家和高级分析专家组成的全球团队,将本地市场知识与高级AI / ML和分析技能,深厚的医疗数据专业知识以及行业知识相结合,帮助客户应对广泛的业务和行业挑战。袁博士在预测分析和机器学习方法及其在制药行业中的应用方面具有广泛的背景。她还具有分析现实世界中患者纵向数据的丰富经验,可以提供切实可行的见解来改善患者护理,并为药房客户提高业务绩效。

    • Khaled El-Emam博士

      Khaled El-Emam博士是以下公司的创始人 隐私分析智商 为健康信息匿名化开发解决方案的公司。他还是渥太华大学的教授,在那里他经营着一个健康信息学研究实验室,致力于数据保护技术,以促进健康数据的共享和二次使用。

      广告