Ontology for healthcare AI privacy in Brazil

Abstract

Este artigo detalha a criação de uma nova ontologia de domínio na intersecção entre epidemiologia, medicina, estatística e ciência da computação. Ele delineia uma abordagem sistemática para o tratamento de dados estruturados de forma anônima em preparação para seu uso em aplicações de Inteligência Artificial (IA) na saúde. O desenvolvimento seguiu 7 etapas, incluindo a definição do escopo, seleção do conhecimento, revisão de termos importantes, construção de classes que descrevem os designs utilizados em estudos epidemiológicos, paradigmas de aprendizado de máquina, tipos de dados e atributos, riscos aos quais os dados anonimizados podem estar expostos, ataques a privacidade, técnicas para mitigar a reidentificação, modelos de privacidade e métricas para medir os efeitos da anonimização. Conclui com uma implementação prática desta ontologia em ambientes hospitalares para desenvolver e validar sistemas de IA.

This article details the creation of a novel domain ontology at the intersection of epidemiology, medicine, statistics, and computer science. It outlines a systematic approach to handling structured data anonymously in preparation for its use in Artificial Intelligence (AI) applications in healthcare. The development followed 7 steps, including defining scope, selecting knowledge, reviewing important terms, constructing classes that describe designs used in epidemiological studies, machine learning paradigms, types of data and attributes, risks that anonymized data may be exposed to, privacy attacks, techniques to mitigate re-identification, privacy models, and metrics for measuring the effects of anonymization. It concludes with a practical implementation of this ontology in hospital settings to develop and validate AI systems.