طراحی یک فریم ورک مراقبت بهداشتی امن مبتنی بر یادگیری ماشین در اکوسیستم کلان داده

با گسترش کاربردهای فناوری اطلاعات در حوزه های مختلف، نیاز به خودکارسازی فرآیندهای تصمیم سازی و تصمیم گیری، روند فزاینده ای داشته است. دانش هوش مصنوعی به عنوان یکی از راهکارهای اصلی برای رفع این نیازها، از روش های مبتنی بر یادگیری ماشین استفاده می کند. همچنین استفاده از معماری و تکنیک های کلان داده به طور مداوم در مدیریت و رشد سریع اطلاعات در حوزه بهداشت و درمان موثر می باشد. در حال حاضر، تصور اینکه چگونه یادگیری ماشین و کلان داده می توانند بر صنعت مراقبت های بهداشتی تاثیر گذار باشند، کمی پیچیده به نظر می رسد. مطالعات پیشین در حوزه کاربردهای یادگیری ماشین و کلان داده برصنعت پزشکی نشان می دهد بیشتر محققان در تجزیه و تحلیل داده های مربوط به بیماران وزن قابل توجهی به حریم خصوصی و امنیت داده ها نداده اند. در این پژوهش، طراحی جدیدی از سیستم های اطلاعاتی مراقبت های بهداشتی هوشمند و ایمن با استفاده از یادگیری ماشین و مکانیزم های امنیتی پیشرفته برای مدیریت کلان داده در مراقبت های بهداشتی ارائه شده است. نوآوری این فریم ورک ۵ لایه، ذخیره سازی بهینه داده های پیش پردازش شده در یک پلتفرم توزیع شده و ترکیب آن با لایه امنیت و محرمانگی داده است که برای حفظ امنیت و حریم خصوصی مورد استفاده قرار می گیرد. ضمن اینکه تکنیک های مختلفی در این مدل برای پنهان سازی داده ها با استفاده از روش های مختلف رمزگذاری و اعتبارسنجی تدارک دیده شده است. به نظر می رسد مدل پیشنهادی می تواند با لایه های عملکردی متعدد بر روی داده ها و بکارگیری روش های پیشرفته یادگیری ماشینی، قادر به پیاده سازی یک سیستم امن تشخیص بیماری مرتبط با کلان داده باشد.

Keywords:

فریم ورک , مراقبت های بهداشتی , یادگیری ماشین , امنیت , محرمانگی