Work

AI-Enhanced Anonymization Workflows for Secure Health Data Sharing

Year: 2025
Type: dissertation
Abstract: A crescente necessidade de partilha segura e ética de dados no setor da saúde destaca a importância de técnicas robustas de anonimização capazes de preservar a privacidade dos pacientes sem comprometer a utilidade dos dados.O processo tradicional de anonimização é frequentemente manual, propenso a erros e difícil de escalar, especialmente em conjuntos de dados estruturados e complexos.Este trabalho apresenta uma plataforma de anonimização melhorada com inteligência artificial, com o objetivo de apoiar os fornecedores de dados de saúde na partilha segura de dados sensíveis.A solução proposta integra modelos de linguagem de grande escala, executados localmente, para automatizar etapas essenciais do processo de anonimização, incluindo a classificação de atributos, a geração de hierarquias de generalização e a configuração de modelos de privacidade.A arquitetura do sistema combina suporte à decisão baseado em IA com técnicas de anonimização consolidadas, através da integração com a ferramenta ARX.A plataforma foi avaliada com recurso a conjuntos de dados clínicos, tanto sintéticos como reais.Os resultados experimentais mostram que a classificação de atributos baseada em modelos de linguagem de grande escala atinge uma precisão elevada e tempos de resposta reduzidos, oferecendo uma solução prática para reduzir o esforço manual e melhorar a eficiência e fiabilidade das tarefas de anonimização.Métricas de risco e utilidade foram utilizadas para avaliar a eficácia da anonimização, confirmando a capacidade da plataforma para equilibrar a proteção da privacidade com o valor analítico dos dados.Este trabalho contribui com uma solução prática e orientada à privacidade para a partilha de dados de saúde, demonstrando o potencial da IA na melhoria do processo de anonimização.i
Author: Ricardo Almeida Cavalheiro
Language: English
Open Access status: green
OpenAlex ID: W7080695763
Cites: 68
Cited by:
Related to: 10