[发明专利]在多种模态中对受保护信息的去识别

说明书

本公开内容涉及基于策略和处理流程的分层分类法对多种模态中的与对象相关联的受保护数据的集中式去识别。在各种实施例中，可以接收(302)与(一个或多个)对象相关联的(一个或多个)数据集。所述(一个或多个)数据集中的每个数据集可以包含与相应对象相关联的数据点。与所述相应对象相关联的所述数据点可以包括多种数据类型，其中，所述多种数据类型中的至少一些数据类型能用于识别所述相应对象。针对每个相应对象：可以根据分层分类法来确定(306)所述数据点中的每个数据点的类别；可以基于所述类别来识别(308)用于所述数据点的相应处理流程；并且可以使用所识别的相应处理流程来处理(310)所述多个数据点中的每个数据点，从而对与所述相应对象相关联的所述多个数据点进行去识别。

技术领域

本文描述的各种实施例总体上涉及对受保护数据的去识别。更具体地，但非排他性地，本文公开的各种方法和装置涉及基于策略和处理流程的分层分类法对多种模态中的受保护数据的集中式去识别。

背景技术

随着技术的进步，从例如“物联网”以及更专业的数据源(例如，医疗保健仪器和人员)收集到越来越多的数据。例如，随着电子医学记录(“EHR”)系统的进步，在处置过程中从患者收集的信息(例如，症状、诊断、流程，用药等)数量呈指数增长。一家多专业医院有许多科室，这些科室每天会生成数千亿字节的数据。而且，越来越多的结构化数据变得可用于研究。随着数据收集和增生变得越来越普遍，将各种类型的受保护数据匿名化同时还允许尽可能充分利用数据变得越来越重要。例如，可以对各种类型的数据进行去识别或匿名化处理，在去识别或匿名化处理中，可以擦除能用于识别个人或组的数据，同时可以以某种形式维护其他数据而使得其他数据能够用于各种有益的目的。

患者医疗保健数据对于诸如疾病研究、药物开发和其他处置等各种目的非常有用。然而，该数据通常被认为是高度敏感的，因此可能受到国家、地区、医院或商业法规的保护。这些示例包括美国数据隐私的医疗保险可携带性法案(“HIPAA”)要求、生物学和床边整合信息学(“i2b2”)、重症监护医学信息市场(“MIMIC”)、企业对企业主研究协议、机构审查委员会规定的协议等。每套法规都可能对患者医疗保健数据的处理方式施加或更改要求。这特别适用于去识别，在去识别中，识别受保护健康信息(“PHI”)并且修改(例如，混淆)或移除受保护健康信息以便限制患者和护理提供者的风险。HIPAA列出了18个这样的PHI元素，必须对数据集专门移除这些元素，然后才能认为该数据集是根据该标准被“去识别”的数据集。其他协议或法规可以识别更多或更少的元素，或者可以允许变换元素而不是移除元素，从而平衡研究要求与具有重新识别风险的其他隐私保护措施。

发明内容

鉴于在特定研究中构成PHI的内容或者要求处理PHI的方式所需的许多可能要求，创建能够产生所有标准都可接受的去识别输出的软件系统的努力都失败了。替代地，软件系统是针对每个应用量身定制而逐个创建的。上述问题因以下因素而加重：要求以一致的方式处理许多不同类型的数据(例如，成像数据、电子医学记录(“EMR”)提取信息、波形、自由文本注释等)，使得所有系统的输出可以被链接以形成患者的完整多模态视图。针对这个问题的传统解决方案是创建处理每种类型数据以及每种模态的数据类型的个体软件系统。要处理的每种新类型的数据都要求：重新实施去识别部件，一致的配置以确保所有部件以相同的方式处置PHI，以及确保每个隔离的处理层的输出是一致的方法。如果要求查找表(通常是这种情况)，则这会尤其困难，并且必须在处理部件之间对查找表进行同步。