合成データセットを用いたヘルスケアアプリケーションの安全性の正当化

Safety Justification of Healthcare Applications Using Synthetic Datasets.

• George Despotou
• Stuart Harrison
• Sean White
• Theodoros N Arvanitis

抄録

背景:

インテリジェント・ヘルスケア・アプリケーションは、ビッグデータを分析して開発され、その上で訓練されています。このようなアプリケーションが患者にとって安全であることを保証する必要があり、これにはデータセットに対する検証が必要となる。しかし、プライバシーや同意の問題から、データセットを簡単に共有することはできず、イノベーションを遅らせる結果となっています。現実のデータセットと同等のRealistic Synthetic Datasets (RSDs)は、これを解決するものと考えられています。

BACKGROUND: Increasing numbers of intelligent healthcare applications are developed by analysing big data, on which they are trained. It is necessary to assure that such applications will be safe for patients; this entails validation against datasets. But datasets cannot be shared easily, due to privacy, and consent issues, resulting in delaying innovation. Realistic Synthetic Datasets (RSDs), equivalent to the real datasets, are seen as a solution to this.

目的:

RSD で検証された申請の安全性の正当化のためのアウトラインを作成し、RSD 開発者が生成する必要がある安全性のエビデンスを特定する。

OBJECTIVE: To develop the outline for safety justification of an application, validated with an RSD, and identify the safety evidence the RSD developers will need to generate.

方法:

高レベルのデータに関連するリスクの特定を含め、保証ケースの議論展開のアプローチが使用された。

METHOD: Assurance case argument development approaches were used, including high level data related risk identification.

結果:

RSDの貢献度を中心に、このようなアプリケーションの正当化の概要を説明します。

RESULT: An outline of the justification of such applications, focusing on the contribution of the RSD.

結論:

RSD の使用は、採用された方法に影響を与える特定の議論と証拠を必要とする。相互に支持する議論は、説得力のある正当化をもたらすことができる。

CONCLUSIONS: Use of RSD will require specific arguments and evidence, which will affect the adopted methods. Mutually supporting arguments can result in a compelling justification.