プライバシー保護とスケーラブルなヘルスケア分析のためのブロックチェーンを備えた連邦化されたマイクロサービスアーキテクチャ

科学分野:

• デジタル・ヘルス・デジタル・ヘルス
• 医療情報工学 医療情報工学
• コンピュータサイエンス コンピュータサイエンス

背景:

• EHR,IoMT,および遠隔医療からの医療データが急速に増加しています.
• 既存のモノリシックシステムは,スケーラビリティ,相互運用性,コンプライアンス,患者プライバシーに問題があります.
• 医療におけるセキュアでスケーラブルでプライバシーを守る分析フレームワークの必要性.

研究 の 目的:

• プライバシーを守る,スケーラブルで監査可能なヘルスケア分析のための新しい連結マイクロサービスアーキテクチャを提示する.
• ヘテロジェネスな医療データの処理における既存のモノリシック・システムの限界に対処する.
• 先進技術を統合したエンドツーエンドの展開可能なシステムを提供する.

主な方法:

• Kubernetes,TensorFlow Federated learning,およびHyperledger Fabricのブロックチェーンを使用して,統合されたマイクロサービスアーキテクチャを開発しました.
• 統合されたモジュラー・スケーラビリティ,ディフェンシャル・プライバシー,そして不変の監査性.
• フレームワークを10万の合成シンセア記録と2万の実際の糖尿病患者の記録で評価した.

主要な成果:

• 95.2%の予測精度を達成し,改善された臨床意思決定支援を示しました.
• モノリシックベースラインと比較して,遅延を42%削減し,回復時間を10倍改善しました.
• 敵対的なシミュレーションでゼロの侵害の成功を保証し,強化されたセキュリティとプライバシーを強調しました.

結論:

• 提案されたアーキテクチャは,精度,運用回復力,規制遵守,コスト効率の大幅な改善を提供します.
• それは次世代のインテリジェントヘルスケアシステムの基盤を提供します.
• 将来の作業には,マルチモダルのデータ統合と説明可能なAIが含まれており,臨床信頼と採用を強化します.