[논문 리뷰] A new paradigm for accelerating clinical data science at Stanford Medicine

Somalee Datta, Jose Posada외 8명|arXiv (Cornell University)|2020. 03. 17.

Data Quality and Management참고 문헌 53인용 수 33

한 줄 요약

해당 논문은 Stanford Medicine에서 보안되고 표준화된 익명화된 빅 데이터 플랫폼을 구축하고, 보안 분석 시설과 통합하여 임상 데이터 과학의 속도를 높인다. 재현성과 프라이버시를 강조하여 더 빠르고 폭넓은 연구를 가능하게 한다.

ABSTRACT

Stanford Medicine is building a new data platform for our academic research community to do better clinical data science. Hospitals have a large amount of patient data and researchers have demonstrated the ability to reuse that data and AI approaches to derive novel insights, support patient care, and improve care quality. However, the traditional data warehouse and Honest Broker approaches that are in current use, are not scalable. We are establishing a new secure Big Data platform that aims to reduce time to access and analyze data. In this platform, data is anonymized to preserve patient data privacy and made available preparatory to Institutional Review Board (IRB) submission. Furthermore, the data is standardized such that analysis done at Stanford can be replicated elsewhere using the same analytical code and clinical concepts. Finally, the analytics data warehouse integrates with a secure data science computational facility to support large scale data analytics. The ecosystem is designed to bring the modern data science community to highly sensitive clinical data in a secure and collaborative big data analytics environment with a goal to enable bigger, better and faster science.

연구 동기 및 목표

• Stanford Medicine의 환자 데이터 자산에서 확장 가능한 임상 데이터 과학의 필요성을 동기 부여한다.
• 전통적인 데이터 웨어하우스와 Honest Broker 모델이 연구 확장에 미치는 한계를 설명한다.
• 접근 속도를 높이고 프라이버시를 보존하며 재현성을 위한 개념 표준화를 목표로 하는 새로운 보안 데이터 플랫폼 설계를 제안한다.
• 익명화, IRB 준비, 표준화, 그리고 보안 분석을 통합하여 협업형 빅데이터 작업을 가능하게 하는 플랫폼의 통합 방식을 개요로 제시한다.

제안 방법

• 익명화, 표준화, 보안 분석을 결합한 새로운 데이터 플랫폼 아키텍처를 제안한다.
• 개인 정보를 보존하면서 IRB 제출을 위한 데이터 준비 프로세스를 설명한다.
• 연구 분석의 교차 사이트 재현성을 가능하게 하는 표준 임상 개념을 정의한다.
• 애널리틱스 데이터 웨어하우스와 보안 계산 시설 간의 통합을 설명한다.
• 민감한 임상 데이터에 대해 현대 데이터 사이언스 커뮤니티 간의 협업을 가능하게 한다고 주장한다.

실험 결과

연구 질문

• RQ1 Stanford Medicine는 임상 데이터에 대한 접근 및 분석 시간을 줄이기 위해 데이터 인프라를 어떻게 재설계할 수 있는가?
• RQ2 익명화, 표준화, IRB-ready 준비가 임상 데이터 분석의 재현성과 안전성을 어떻게 개선할 수 있는가?
• RQ3 협업을 가능하게 하면서 대규모 분석과 데이터를 보안적으로 통합하기 위해 필요한 아키텍처 구성 요소는 무엇인가?

주요 결과

• 데이터 접근 및 분석 시간을 줄이기 위해 보안 빅 데이터 플랫폼이 제안된다.
• IRB 제출 전 환자 프라이버시를 보존하기 위해 데이터는 익명화되어야 한다.
• 분석이 동일한 분석 코드를 사용하고 임상 개념을 동일하게 재현될 수 있도록 데이터를 표준화해야 한다.
• 애널리틱스 데이터 웨어하우스는 대규모 분석을 위한 보안 데이터 사이언스 계산 시설과 통합되어야 한다.
• 이 생태계는 민감한 임상 데이터를 안전하고 협력적인 환경에서 현대 데이터 과학을 도입하여 더 크고 더 나은, 빠른 과학을 가능하게 하는 것을 목표로 한다.