[论文解读] A new paradigm for accelerating clinical data science at Stanford Medicine

Somalee Datta, Jose Posada+8 more|arXiv (Cornell University)|Mar 17, 2020

Data Quality and Management参考文献 53被引用 33

一句话总结

本文提出在 Stanford Medicine 的一个安全、标准化、去识别化的大数据平台，该平台与一个安全分析设施集成，以加速临床数据科学。它强调可重复性和隐私性，以实现更快、范围更广的研究。

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.

研究动机与目标

• 动员在 Stanford Medicine 的患者数据资产上实现可扩展的临床数据科学的需求。
• 描述传统数据仓库和 Honest Broker 模型在扩大研究规模方面的局限性。
• 提出一种新的安全数据平台设计，以加速访问、保护隐私，并将概念标准化以提高可重复性。
• 概述该平台如何将去识别化、IRB 准备、标准化和安全分析整合起来，以实现协同的大数据工作。

提出的方法

• 提出一种新数据平台架构，结合去识别化、标准化和安全分析。
• 描述在保护隐私的同时为IRB提交准备数据的流程。
• 定义标准化的临床概念，以实现跨站点分析的可重复性。
• 解释分析数据仓库与安全计算设施之间的整合。
• 主张在敏感临床数据上促进现代数据科学社区的协作。

实验结果

研究问题

• RQ1 斯坦福医学院如何重新设计数据基础设施，以缩短访问和分析临床数据的时间？
• RQ2 以何种方式去识别化、标准化和IRB就绪的准备可以提高临床数据分析的可重复性和安全性？
• RQ3 在实现协作的同时，将数据存储与大规模分析安全地集成所需要的架构组件有哪些？

主要发现

• 提出了一个安全的大数据平台，以减少访问和分析数据的时间。
• 在提交 IRB 之前，应对数据进行去识别化以保护患者隐私。
• 应对数据进行标准化，以便使用相同的分析代码和临床概念重复分析。
• 分析数据仓库应与用于大规模分析的安全数据科学计算设施集成。
• 该生态系统旨在在一个安全、协作的环境中将现代数据科学引入敏感临床数据，以实现更大、更新、更快的科学研究。