在一个学术医疗中心开发安全的基础设施,以推进医疗保健领域的生成人工智能研究

科学领域:

• 医疗保健信息学 医疗保健信息学
• 人工智能在医学中的应用
• 医疗数据安全 医疗数据安全

背景情况:

• 生成型人工智能,特别是大型语言模型 (LLM),为提高医疗保健提供和运营效率提供了巨大的潜力.
• 关于数据安全和患者隐私的监管障碍使在医疗机构采用LLM变得复杂.
• 确保健康保险可移植性和问责法案 (HIPAA) 的合规性对于医疗保健中人工智能的道德和法律使用至关重要.

研究的目的:

• 开发和评估一个安全的基础设施,使研究人员能够在医疗环境中安全地利用LLM.
• 确保HIPAA的合规性,并促进公平的AI开发和部署在医学研究.
• 在临床环境中实施先进的人工智能工具时,解决数据安全和患者隐私方面的挑战.

主要方法:

• 实现一个私有的Azure OpenAI Studio,提供安全的,支持API的终端,用于研究访问.
• 探索两个不同的用例:从电子健康记录 (EHR) 中检测跌倒和心理健康预测中的偏见评估.
• 利用公平意识提示来评估和减轻人工智能驱动的心理健康评估中的偏见.

主要成果:

• 开发的框架成功地为LLM提供了安全,符合HIPAA的API访问,促进了对敏感患者数据的安全处理.
• 这两种用例都证明了基础设施能够保护受保护的健康信息 (PHI),同时支持创新的AI应用程序.
• 安全环境使研究人员能够进行涉及敏感健康数据的研究,而不会影响隐私或合规性.

结论:

• 该集中的平台为寻求将LLM纳入其研究工作的医疗机构提供了一个可扩展,安全和符合HIPAA的解决方案.
• 这种基础设施使医疗机构能够负责任地利用LLM的力量,平衡创新与严格的数据保护要求.
• 成功实施为在临床研究中更广泛采用安全的人工智能技术铺平了道路,提高了患者护理和运营效率.