Η Βρετανική Κυβέρνηση Συλλέγει Εμπιστευμένα Ιατρικά Δεδομένα για την καταπολέμηση του COVID-19

Η βρετανική κυβέρνηση έχει εντάξει την Palantir (PLTR ), μια αμερικανική εταιρεία μεγάλων δεδομένων που ιδρύθηκε από τον Peter Thiel, και την Faculty, μια εταιρεία που ειδικεύεται σε επαγγελματική στρατηγική δεδομένων, λογισμικό και εκπαίδευση, για την καταπολέμηση της διάδοσης του COVID-19. Ενώ αυτό μπορεί να προκαλέσει ανησυχίες σχετικά με θέματα ιδιωτικότητας, πρέπει να σημειωθεί ότι η συλλογή μεγάλων δεδομένων, συμπεριλαμβανομένων ιατρικών δεδομένων από τον γενικό πληθυσμό, είναι απαραίτητη για τις κυβερνήσεις να λαμβάνουν ενημερωμένες αποφάσεις σχετικά με τον τρόπο με τον οποίο θα σταματήσουν τη διάδοση του COVID-19, να αναγνωρίσουν ποια μέλη της κοινωνίας είναι τα πιο ευάλωτα και να μάθουν ποια治療 είναι η πιο αποτελεσματική.

Η Palantir κατανοεί ότι υπάρχει αιτία για ανησυχία σχετικά με την ιδιωτικότητα των χρηστών, γι’ αυτό και δημοσίευσε einen περίγραμμα των καλύτερων πρακτικών για τη χρήση δεδομένων κατά τη διάρκεια μιας κρίσης. Η Palantir δήλωσε: «Γνωρίζοντας πώς να εφαρμόσετε αποτελεσματικά την επιστήμη των δεδομένων στο σωστό σύνολο προβλημάτων θα εξυπηρετήσει ως κρίσιμο περιουσιακό στοιχείο για την ενίσχυση και την ενίσχυση των綜合 стратегιών για την καταπολέμηση αυτής της δημόσιας υγείας κρίσης», αυτό είναι αναμφισβήτητα αλήθεια.

Επίσης, δήλωσαν τα ακόλουθα, τα οποία είναι μια αναγνώριση του επικίνδυνου κινδύνου που αναλαμβάνει η κοινωνία με την πρόσβαση σε αυτό το είδος μεγάλων δεδομένων: «Πλούσιες πηγές δεδομένων συχνά εμπνέουν απρόσμενες — ακόμη και απατεώνες — αναλύσεις. Καθορίστε και εφαρμόστε συλλογικές βασικές κανόνες για το πώς θα χρησιμοποιηθούν τα δεδομένα και ποιος θα έχει ποια επίπεδα πρόσβασης στα δεδομένα. Η κακοποίηση των δεδομένων μπορεί να οδηγήσει σε δημόσια απιστία στις instituciones. Ακόμη και οι πιο καλοπροαίρετοι λύσεις προβλημάτων μερικές φορές είναι τυφλωμένοι στους κινδύνους των λύσεων που δημιουργούν».

Τι είδος δεδομένων συλλέγει η βρετανική κυβέρνηση; Hiện tại, τα κατάλληλα δεδομένα που χρειάζονται για την αντιμετώπιση της πρόκλησης του COVID-19. Όπως αναφέρθηκε από το Guardian, τα τρέχοντα ανώνυμα δεδομένα περιλαμβάνουν φύλο, προστατευμένες ιατρικές πληροφορίες, αποτελέσματα ελέγχου COVID-19, το περιεχόμενο των τηλεφωνικών κλήσεων προς την Εθνική Υπηρεσία Υγείας (NHS), γραμμή υγείας 111 και κλινικές πληροφορίες για εκείνους που βρίσκονται σε εντατική θεραπεία.

Ενώ η ιδιωτικότητα των δεδομένων πρέπει να είναι ανώνυμη, ώστε να μην μπορεί να αναγνωριστεί σε ένα συγκεκριμένο άτομο, χρειαζόμαστε αυτά τα δεδομένα για τα συστήματα μηχανικής μάθησης να τα αναλύσουν. Τα συστήματα βαθιάς μάθησης χρησιμοποιούν αυτά τα δεδομένα για να ανακαλύψουν μοτίβα και δεδομένα που παραβλέπονται από τους ανθρώπους. Κάτι τόσο ελαφρύ όσο το φύλο μπορεί να αποκαλύψει σημαντικές πληροφορίες, ένα παράδειγμα θα μπορούσε να είναι ότι οι διαβητικοί άνδρες είναι ένα πιο ευάλωτο τμήμα του πληθυσμού από τις διαβητικές γυναίκες. Ορισμένες επιλογές θεραπείας μπορεί να λειτουργούν καλύτερα για διαφορετικές ηλικιακές ομάδες, φύλα, γενετικά υπόβαθρα, κ.λπ.

Αντί να καταδικάζουμε, πρέπει να δώσουμε στην βρετανική κυβέρνηση το πλεονέκτημα της αμφιβολίας. Αυτού του είδους η συλλογή δεδομένων και οι προσπάθειες διανομής δεδομένων από όλα τα τμήματα του συστήματος υγείας είναι κάτι που πρέπει να διατηρηθεί μακροπρόθεσμα. Αυτό θα μπορούσε να μας εξυπηρετήσει στο μέλλον για την καταπολέμηση μελλοντικών πανδημιών, καθώς και για τακτικά προβλήματα υγείας, καρκίνο και άλλες φυσιολογικές παθήσεις.

Τρέχοντα, το πρόγραμμα χρησιμοποιεί ένα «ψευδώνυμο NHS αριθμό» για να συνδυάσει μεγάλα σύνολα δεδομένων, συμπεριλαμβανομένων eines master patient index, μιας υπάρχουσας πηγής NHS που χρησιμοποιεί «κοινωνικά δεδομένα μάρκετινγκ» για να διαχωρίσει τον βρετανικό πληθυσμό σε διαφορετικά «τύποι» στο επίπεδο του νοικοκυριού. Ενώ παραμένει να δούμε εάν αυτό είναι η πιο αποτελεσματική μέθοδος διανομής δεδομένων, έχουμε ανησυχίες σχετικά με ορισμένα аспекти του προCESS δεδομένων.

Τρέχοντα, συλλέγονται δεδομένα τοποθεσίας τηλεφώνου. Ενώ η στενότερη των δεδομένων σε ένα ταχυδρομικό κώδικα μπορεί να είναι κατάλληλη, δεν είναι απαραίτητο να καθορίσετε την ακριβή πηγή της τηλεφωνικής κλήσης, καθώς αυτή η πληροφορία δεν μπορεί να ανωνυμοποιηθεί ή να τυχαiovize. Αυτό μπορεί να προκαλέσει φόβο στους ασθενείς να χρησιμοποιούν τη τηλεφωνική γραμμή, που μπορεί να οδηγήσει σε απαραίτητους θανάτους από εκείνους που έχουν περισσότερη ανάγκη βοήθεια.

Οι βρετανοί πολίτες πρέπει να είναι ενήμεροι σχετικά με το σημείο δεδομένων τοποθεσίας τηλεφώνου, το οποίο δεν είναι απαραίτητο για την αποτελεσματική εκπαίδευση eines αλγορίθμου βαθιάς μάθησης, αλλά μπορεί να χρησιμοποιηθεί trực tiếp για να παρακολουθήσει ένα άτομο.

Εάν η βρετανική κυβέρνηση συνεχίσει στο δρόμο της για τη συλλογή αυτού του είδους μεγάλων δεδομένων και να διορθώσει τα προβλήματα που αναφέρθηκαν παραπάνω, καθώς και άλλα προβλήματα ιδιωτικότητας/δικαιωμάτων χρηστών, των οποίων δεν είμαστε ενήμεροι, μπορεί να είναι κατάλληλο για τη Βρετανία να ζητήσει τη βοήθεια της Ευρωπαϊκής Ένωσης για τη συλλογή παρόμοιων δεδομένων από τους αντίστοιχους πληθυσμούς.毕竟, πώς λειτουργούν τα συστήματα βαθιάς μάθησης είναι ότι όσο περισσότερα δεδομένα συλλέγονται, τόσο πιο αποτελεσματικός είναι ο αλγόριθμος. Αυτό θα ήταν ένα μεγάλο βήμα για τη γέφυρα των εθνών μετά την κλείσιμο των διεθνών συνόρων.

Προτρέπουμε τη φροντίδα ανάλυσης και τη βοήθεια ενός μη κερδοσκοπικού οργανισμού για να διασφαλίσουμε ότι η βρετανική κυβέρνηση δεν καταχράζεται τις πληροφορίες που συλλέγει. Παρόλα αυτά, πρέπει να αναγνωριστεί ότι αυτό είναι ένα σημαντικό βήμα για την καταπολέμηση του COVID-19.