La Medicina è un’area della scienza ad alta intensità di dati proprio perchè una grande quantità di dati viene costantemente generata, resa più o meno accessibile e, a volte, diffusa su vari canali digitali.
L’immagazzinamento e la diffusione di questa grande quantità di dati è fondamentale, oltre che molto impegnativo, a causa della natura sensibile dei dati e di altri fattori limitanti, come la sicurezza e la privacy (1).
Nel settore sanitario e negli ambienti clinici, la condivisione sicura dei dati rappresenta certamente una priorità per via delle sue ripercussioni sulla diagnosi, così come nel processo decisionale clinico avanzato.
In effetti la pratica della condivisione dei dati è essenziale anche per consentire ai medici clinici di trasferire le informazioni cliniche dei loro pazienti alle autorità competenti per diverse ragioni (fiscali, assicurative, demografiche, epidemiologiche).
Tutti questi operatori sanitari e medici dovrebbero essere in grado di trasferire i dati clinici dei pazienti in modo estremamente sensibile alla privacy e tempestivo, per garantire che entrambe le parti dispongano di informazioni complete e aggiornate sulle condizioni di salute dei pazienti.
D’altro canto, la tele-medicina e l’e-health sono due settori che iniziano ad essere molto utilizzati, ed in questi contesti i dati clinici vengono trasferiti a distanza ad uno specialista per una valutazione clinica. In queste nuove cornici di lavoro clinico, i dati del paziente vengono trasferiti o attraverso una tecnologia “store-and-forward“, o attraverso il classico monitoraggio online in tempo reale (es. tele-monitoraggio, telemetria e simili) (2,3).
Utilizzando questi nuovi setting clinici online, i pazienti vengono diagnosticati a distanza e valutati da esperti clinici attraverso lo scambio di dati clinici.
In tutti questi contesti, la sicurezza, la sensibilità e la privacy dei dati clinici sono alcune delle principali sfide che si presentano, data la natura sensibile dei dati dei pazienti.
Pertanto, la capacità di scambiare i dati in modo sicuro, sicuro e scalabile è molto importante per sostenere comunicazioni cliniche sicure e rilevanti, per quanto riguarda i casi di pazienti valutati “a distanza”.
Perché lo scambio sicuro e di successo dei dati aiuta nella comunicazione clinica raccogliendo raccomandazioni o conferme da un gruppo di specialisti clinici, che si traducono in una migliore accuratezza diagnostica e in un trattamento efficace (4, 6).
Inoltre, vi sono varie sfide di interoperabilità che si affrontano continuamente in questo settore. Ad esempio, lo scambio sicuro, sicuro e di successo di dati clinici tra organizzazioni sanitarie o istituti di ricerca può porre gravi sfide operative.
Tali scambi di dati clinici richiedono una collaborazione sostanziale, affidabile e sana tra le entità coinvolte. Tra i potenziali vincoli affrontati in questo processo vi sono la natura dei dati clinici, la sensibilità, gli accordi di condivisione dei dati, le procedure, gli algoritmi complessi di matching dei pazienti, le politiche etiche e le regole di governo.
Queste sono alcune delle importanti preoccupazioni che devono essere stabilite di comune accordo, prima di effettuare praticamente qualsiasi scambio di dati clinici (7).
Nel corso degli ultimi due anni circa, molti ricercatori hanno cercato di implementare applicazioni di internet delle cose (“IoT”), intelligenza artificiale, machine learning e computer vision per facilitare i medici e gli operatori clinici nella diagnosi e nel trattamento di varie malattie croniche.
Recentemente, c’è stato un notevole interesse nell’utilizzo delle applicazioni di blockchain per la fornitura di dati sanitari sicuri (8,9), condivisione di dati biomedici (10) ed e-health (11), simulazione cerebrale e del pensiero.
In pratica una blockchain seguirebbe una rete P2P; si tratterebbe fondamentalmente di un framework di rete multi-campo integrato peer-to-peer, composto da crittografia, algoritmi ed espressioni matematiche volte a risolvere i tradizionali limiti di sincronizzazione di database distribuiti utilizzando algoritmi di consenso distribuito.
La tecnologia blockchain contiene principalmente sei elementi chiave: Decentrata, Trasparente, Immutabile, Autonoma, Open Source e Anonima (come potete vedere nella tabella che segue):
Quando un paziente diviene parte di questa rete deve verificare ogni nuova transazione effettuata (leggi “movimento di dati”), e poichè ogni transazione in un blocco di una blockchain viene verificata da tutti i nodi della rete, essa diventa sempre più immutabile.
Applicazioni della Blockchain in Medicina e Sanità
In origine, la tecnologia blockchain (BCT) era stata progettata per la sua più nota applicazione nei campi dell’economia e delle criptovalute, ma oggi la sua utilità si sta espandendo in diversi altri settori, compreso il campo biomedico (10).
Il potenziale della blockchain può essere ormai testimoniato nei campi della medicina, della genomica, della telemedicina, del tele-monitoraggio, dell’e-health, delle neuroscienze e delle applicazioni sanitarie personalizzate, grazie al suo meccanismo di stabilizzazione e sicurezza dell’insieme di dati con i quali gli utenti possono interagire attraverso diversi tipi di transazioni (come illustrato nel modello, mostrato in questa figura):
Le applicazioni piú importanti sarebbero:
- Gestione della Cartella Clinica Elettronica
- Ricerca Clinica
- Controllo sulle frodi sanitarie
- Neuroscienze
- Sviluppo e RIcerca nell’Industria Farmaceutica
Volete approfondire il tema dell’utilizzo della blockchain in medicina? Allora vi consiglio di scaricare questo articolo (in inglese).
Bibliografia di Base:
- Griebel, L.; Prokosch, H.U.; Köpcke, F.; Toddenroth, D.; Christoph, J.; Leb, I.; Engel, I.; Sedlmayr, M. A scoping review of cloud computing in healthcare. BMC Med. Inform. Decis. Mak. 2015, 15, 17. [CrossRef] [PubMed]
- Houston, M.S.; Myers, J.D.; Levens, S.P.; McEvoy, M.T.; Smith, S.A.; Khandheria, B.K.; Shen, W.K.; Torchia, M.E.; Berry, D.J. Clinical consultations using store-and-forward telemedicine technology. In Mayo Clinic Proceedings; Elsevier: Rochester, MN, USA, 1999; Volume 74 Cryptography 2019, 3, 3 14 of 16
- Bhatti, A.; Siyal, A.A.; Mehdi, A.; Shah, H.; Kumar, H.; Bohyo, M.A. Development of cost-effective tele-monitoring system for remote area patients. In Proceedings of the 2018 IEEE International Conference on Engineering and Emerging Technologies (ICEET), Lahore, Pakistan, 22–23 February 2018.
- Castaneda, C.; Nalley, K.; Mannion, C.; Bhattacharyya, P.; Blake, P.; Pecora, A.; Goy, A.; Suh, K.S. Clinical decision support systems for improving diagnostic accuracy and achieving precision medicine. J. Clin. Bioinform. 2015, 5, 4. [CrossRef] [PubMed]
- Zhang, P.; White, J.; Schmidt, D.C.; Lenz, G.; Rosenbloom, S.T. Fhirchain: Applying blockchain to securely and scalably share clinical data. Comput. Struct. Biotechnol. J. 2018, 16, 267–278. [CrossRef] [PubMed]
- Berman, M.; Fenaughty, A. Technology and managed care: Patient benefits of telemedicine in a rural healthcare network. Health Econ. 2005, 14, 559–573. [CrossRef] [PubMed]
- Azaria, A.; Ekblaw, A.; Vieira, T.; Lippman, A. MedRec: Using Blockchain for Medical Data Access andPermission Management. In Proceedings of the 2nd International Conference on Open and Big Data(OBD 16), Vienna, Austria, 22–24 August 2016; pp. 25–30.
- Zhang, J.; Xue, N.; Huang, X. A Secure System for Pervasive Social NetworkBased Healthcare. IEEE Access2016, 4, 9239–9250. [CrossRef]
- Griggs, K.N.; Ossipova, O.; Kohlios, C.P.; Baccarini, A.N.; Howson, E.A.; Hayajneh, T. Healthcare Blockchain System Using Smart Contracts for Secure Automated Remote Patient Monitoring. J. Med. Syst. 2018, 42, 130.[CrossRef]
- Shubbar, S. Ultrasound Medical Imaging Systems Using Telemedicine and Blockchain for Remote Monitoringof Responses to Neoadjuvant Chemotherapy in Women’s Breast Cancer: Concept and Implementation.Master’s Thesis, Kent State University, Kent, OH, USA, 2017.
- Ivan, D. Moving toward a blockchain-based method for the secure storage of patient records. In ONC/NISTUse of Blockchain for Healthcare and Research Workshop; ONC/NIST: Gaithersburg, MD, USA, 2016.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Ultimi post di Valerio Rosso (vedi tutti)
- Il Test DIVA 2.0 per la diagnosi dell’ADHD nell’adulto - 11/12/2019
- Musica e Psichiatria - 09/12/2019
- La Diagnosi Precoce in Psichiatria - 09/12/2019
Lascia un commento