通过信息理论框架来保护信息,同时尊重隐私,用于合成健康数据的生成
Nadir Sella1, Florent Guinot2, Nikita Lagrange3
1Institut Roche, Boulogne-Billancourt, France. nadirsella@gmail.com.
本研究介绍了MIIC-SDG,这是一种创新的算法,用于使用多变量信息框架生成高质量的,保护隐私的合成医疗数据. 它还提出了一个新的指标来评估合成数据生成中的数据质量和隐私之间的权衡.
科学领域:
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
- 生物统计学 生物统计学
背景情况:
- 由于隐私问题,生成合成医疗数据具有挑战性.
- 现有的方法往往无法共同评估数据质量和隐私.
- 评估多变量关联对于准确的合成数据至关重要.
研究的目的:
- 引入一种新的算法 (MIIC-SDG) 来从电子健康记录中生成合成数据.
- 提出一个新的指标 (QPS) 来量化质量-隐私权的权衡.
- 证明MIIC-SDG的性能与最先进的方法相比.
主要方法:
- 基于多变量信息理论和贝叶斯网络开发了MIIC-SDG.
- 建议使用质量和隐私评分 (QPS) 度量来进行评估.
- 在各种临床数据集上验证了MIIC-SDG.
主要成果:
- MIIC-SDG有效地生成合成数据,保留多变量关联.
- 该QPS指标提供了质量-隐私平衡的定量衡量.
- 与现有方法相比,MIIC-SDG表现出优越的性能.
结论:
- MIIC-SDG提供了一种强大的方法来生成高保真性,保护隐私的合成医疗数据.
- 该QPS指标促进了合成数据生成技术的客观比较.
- 这项工作推动了安全可靠的健康数据综合领域的发展.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
相关概念视频
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Health Information Technology and Healthcare Information System
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
Overview of Biostatistics in Health Sciences
Statistical Methods for Analyzing Epidemiological Data
Statistical Software for Data Analysis and Clinical Trials
Synthetic Biology
Golden rice
Golden rice is a genetically modified...
