کلان داده های پزشکی و چالشهای اخلاقی آن از حیث نقض حریم خصوصی بیماران
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 91
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJEST-20-2_002
تاریخ نمایه سازی: 8 شهریور 1404
Abstract:
زمینه: کلان داده ها به حجم زیادی از اطلاعات گفته می شود که به طور روزافزون بر حجم آن ها افزوده می گردد و از تجزیه و تحلیل آن ها می توان روابط علت و معلولی مختلفی را که تاکنون کشف نشده بود، احراز نمود. این قابلیت، کاربرد زیادی در حوزه های مختلف از جمله در حوزه ی بهداشت و سلامت دارد، به طوری که پیش بینی می شود از این رهگذر، نتایج بسیار ارزشمندی در زمینه ی تشخیص، پیشگیری و درمان بیماری ها حاصل گردد. از سوی دیگر، در کنار مزایای پرشمار کلان داده ها باید به چالش های اخلاقی ای که کلان داده های پزشکی ایجاد می کنند نیز توجه نمود. بدین معنا که استفاده از کلان داده های پزشکی مستلزم تجمیع اطلاعات مربوط به بیماران و کسانی است که در تحقیقات پزشکی شرکت می کنند و این امر «به طور بالقوه»، خطر نقض حریم خصوصی و «خودمختاری» بیماران را در پی دارد. نویسنده مقاله، با روش تحلیلی و توصیفی و با مطالعه آثار سایر نویسندگان چالش های حوزه پزشکی در ارتباط با کلان داده ها را بررسی نموده است.
نتیجه گیری: اخذ «رضایت آگاهانه» از بیماران یا سایر ذی نفعان و «گمنام سازی» داده ها اگرچه همچنان ضروری هستند، لکن در وضعیت فعلی در برابر چالش های ناشی از کلان داده ها تکافوی لازم را ندارند. نویسنده همچنین در ادامه و در تکمیل راهکارهای فوق، راهکارهایی را پیشنهاد نموده است؛ برخی از مهم ترین این راهکارها عبارتند از بکارگیری حریم خصوصی افتراقی، رضایت مقید (موردی)، داده سپاری. همچنین بازنگری در قوانین و مقررات از حیث ارائه پاسخ های کیفری شدیدتر و نیز تعیین مسئولیت مدنی سنگین تر در خصوص نقض حریم خصوصی، راهکار دیگری محسوب می گردد.
Keywords:
Medical Privacy , Big Data , Ethics , Anonymization , Challenge , حریم خصوصی پزشکی , کلان داده , اخلاق , گمنام سازی , چالش
Authors
امین قاسم پور
Ph.D. Graduated in Private Law, Faculty of Law and Political Science, University of Tehran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :