Pakikipagtulungan sa pangangalagang pangkalusugan nang hindi isinusuko ang privacy ng data

Napakalaki ng halaga ng data sa pangangalagang pangkalusugan, ngunit ito ay pira-piraso sa iba't ibang institusyon at masyadong sensitibo upang malayang maibahagi. Ginagawang posible ng Onai ang pakikipagtulungan sa data nang hindi inilalantad ang data.

Ang problema

Ang data sa pangangalagang pangkalusugan ay isa sa pinakamakapangyarihang mapagkukunan para mapabuti ang kinalabasan, makatuklas ng paggamot, at mapaunlad ang pananaliksik

Ngunit isa rin ito sa pinaka-pinaghihigpitan.

Nakasilo ang data sa mga ospital, institusyong pananaliksik, at iba pang organisasyon. Upang magamit ito nang magkakasama, karaniwang kailangan itong isentro, ilipat ang sensitibong data sa magkakasamang kapaligiran, harapin ang legal na pasanin, at tanggapin ang malalaking panganib sa privacy at seguridad.

Dahil dito, maraming mahahalagang tanong ang hindi nasasagot at maraming posibleng insight ang nananatiling hindi naaabot.

Pira-piraso ang data

Hati-hati ang impormasyong pangkalusugan sa iba't ibang institusyon, kaya mahirap agad ang malawakang pagsusuri at pakikipagtulungan.

May dagdag na pasanin ang sentralisasyon

Ang pagtipon ng data ay karaniwang nagdudulot ng legal na komplikasyon, operasyonal na alitan, mga hamon sa seguridad, at mahabang pagkaantala bago pa man magsimula ang kapaki-pakinabang na gawain.

Lumilikha ng maling pagpipilian ang privacy

Hindi dapat mapilitang mamili ang mga organisasyon sa pagitan ng pagpapanatiling pribado ng data at pag-unlock sa halaga nito.

Ang aming paraan

Gamitin ang lahat ng data sa kalusugan nang hindi ito inilalantad

Pinapagana ng Onai ang computation sa mga distributed dataset habang nananatiling pribado ang pinagbabatayang data at nasa kontrol ng may-ari nito.

Sa halip na ilipat ang data sa isang sentral na lokasyon, nananatili ito sa bawat institusyon; ang mga query, modelo, at computation ay ligtas na tumatakbo sa iba't ibang site; at ang mga resulta ay pinagsasama nang hindi inilalantad ang raw data.

Dahil dito, maaaring makipagtulungan ang mga organisasyon na para bang iisa ang kanilang data, nang hindi ito kailanman isinasentro.

Nanatiling lokal ang data

Pinananatili ng bawat institusyon ang kustodiya at kontrol sa sarili nitong data sa kalusugan.

Tumatakbo ang computation sa iba't ibang site

Ligtas na isinasagawa ang mga query, modelo, at workflow ng pagsusuri sa pagitan ng maraming partido.

Tinitiyak ang seguridad sa pamamagitan ng cryptography

Hindi kailanman nailalantad ang sensitibong data sa sinumang kalahok o sa anumang third party.

Ano ang pinapagana nito

Palayain ang AI nang hindi isinasakripisyo ang privacy

Multisite data analytics

Magpatakbo ng mga pagsusuri sa maraming institusyon na para bang iisang dataset ang gamit, nang hindi inililipat o inilalantad ang pinagbabatayang data.

Multisite model training

Magsanay ng mga machine learning model sa mga distributed dataset upang mapabuti ang performance at generalization habang pinangangalagaan ang privacy.

Secure inference gamit ang mga panlabas na modelo

Gamitin ang mga modelo mula sa third party nang hindi inilalantad ang sensitibong data, o mag-deploy ng mga modelo sa iba't ibang institusyon nang hindi inilalantad ang mismong modelo.

Case study

Pagsusuri sa pagitan ng mga institusyon nang walang pagbabahagi ng data

Nais ng isang grupo ng mga institusyon na maunawaan ang mga kinalabasan ng pasyente sa iba't ibang populasyon, ngunit hindi nila maaaring pagsamahin ang kanilang data dahil sa mga limitasyon sa privacy, regulasyon, at operasyon.

Sa paraan ng Onai, pinananatili ng bawat institusyon ang data nito sa lokal habang nakikilahok sa isang pinagsasaluhang computation. Pinapatakbo ang mga query sa pagitan ng mga partido, at tanging pinagsamang resulta lamang ang ibinabalik.

Katumbas nito ang sentralisadong pagsusuri nang hindi isinusuko ng alinmang institusyon ang kontrol sa data nito.

Para kanino ito

Ginawa para sa mga organisasyong kailangang gumana nang magkakasama ang data sa kalusugan

Mga mananaliksik

Makipagtulungan sa iba't ibang institusyon, makakuha ng mas malalaking epektibong dataset, at magsagawa ng mga pagsusuring hindi sana posible kung wala ang masalimuot na data-sharing agreement.

Mga sistemang pangkalusugan

Maging bahagi ng mas malawak na ecosystem kung saan maaaring ligtas na magamit ang data sa iba't ibang organisasyon, na nagbibigay-daan sa mga bagong anyo ng paglikha ng halaga, insight, at data-driven marketplace.

Gamitin ang lahat ng data sa kalusugan nang ligtas

Itinatayo ng Onai ang imprastrakturang nagbibigay-daan upang magamit nang sama-sama ang data sa kalusugan nang hindi isinusuko ang privacy o kontrol.

Makipag-ugnayan sa amin sa [email protected] kung interesado kang makipagtulungan.