Bayesian Solution to Interference Problem in Medical Distributed Database

Abstract

사람들은 의사에게 뭐라고 말하는가? 사람들은 의사가 다른 사람들에게 뭐라고 얘기하기를 기대하는가? 이 마지막 질문은 대중들이 마음속에서 안절부절못하는 문제가 되었다. 이러한 근심은 인터넷을 통해 한 컴퓨터에 빠르고 투명한 정보의 연결로 인한 정보의 가치 증가에 있다. 추론의 문제점은 의학 정보의 문맥 속에서 특히 방심할 수 없는 것이다. 생물학적인 시스템의 한 특징은 그것들간의 긴밀한 상호 연관성이다. 이런 상호 연관성으로 인해, 보안이 낮은 정보에 대한 권한을 가진 사용자가 높은 보안성을 가진 데이터에 대해 추론하는 것을 가능하게 한다. 병원, 외래, 약국, 보험회사 등과 같이 서도 다양하게 연결된 데이터베이스를 고려하면 추론 문제는 더욱 다루기 어려워진다. 이러한 데이터베이스 시스템에 각 개인 환자를 구분해 내기 위한 충분한 통계자료가 있다고 가정하면 한 데이터 베이스에 기밀로 분류되지 않은 정보를 통해 다른 데이터베이스의 기밀로 분류된 자료에 대한 유추가 가능해진다. 이 논문에서는 이러한 추론 문제를 해결하기 위해 사용자와 분산된 서로 관련 있는 의학정보 사이에 억제자를 두는 형태의 베이지언 접근법을 제시한다. 베이지언 네트워크는 분산된 데이터베이스로부터 학습이 가능하며, 이것은 민감한 정보에 임계값을 두어 추론에 의한 결과로 민감한 정보가 세어 나가는 것을 막는데 도움이 될것이다.