نشست علمی ویژه پژوهشگران با موضوع”یادگیری مشارکتی در رفع چالش‌ها و امنیت داده‌ها (حوزه سلامت)” روز چهارشنبه 20تیر ماه 1403 در سازمان جهاددانشگاهی علوم پزشکی تهران برگزار شد.

به گزارش معاونت پژوهش، در این نشست دکتر هاله فاتح، پژوهشگر مرکز خدمات تخصصی انفورماتیک سلامت سازمان جهاد دانشگاهی علوم پزشکی تهران، به بررسی فرآیند یادگیری مشارکتی و تاثیر آن در کاهش چالش‌های امنیت داده‌ها و حفظ حریم خصوصی در حوزه سلامت پرداخت. یادگیری مشارکتی به عنوان رویکردی نوین در حوزه یادگیری ماشین، به منظور حل مشکلات مرتبط با داده‌های جزیره‌ای و حفظ حریم خصوصی اطلاعات طراحی شده است. این رویکرد از همکاری چندین منبع داده مختلف مانند موسسات و دستگاه‌های هوشمند بهره می‌برد تا مدل‌های یادگیری ماشین را به صورت غیرمتمرکز آموزش دهد. در این نشست، نتایج پژوهش‌های اخیر در مورد کاربردهای یادگیری مشارکتی در حوزه سلامت در زمینه هایی چون پیش‌بینی مرگ و میر، تشخیص بیماری‌ها، و تحلیل داده‌های تصویربرداری نیز ارائه شد. به علاوه، چالش‌ها و تهدیدات امنیتی مرتبط با این روش، مانند هزینه‌های ارتباطی و حضور مهاجمین نیز مورد بررسی قرار گرفت.

در ادامه وی افزود این روش مزایای قابل توجهی در حوزه سلامت دارد، از جمله افزایش دقت مدل‌های پیش‌بینی و تشخیص بیماری‌ها، کاهش هزینه‌های مربوط به انتقال و اشتراک‌گذاری داده‌ها، و حفظ حریم خصوصی بیماران. همچنین، یادگیری مشارکتی امکان همکاری بین موسسات مختلف را فراهم می‌کند بدون اینکه نیاز به اشتراک‌گذاری داده‌های حساس باشد. این امر به خصوص در شرایطی که داده‌ها پراکنده و توزیع‌شده هستند، می‌تواند بسیار مؤثر باشد. جمع‌بندی این نشست علمی نشان داد که یادگیری مشارکتی می‌تواند راهکاری عملی و امن برای بهره‌برداری از داده‌های سلامت باشد. با وجود چالش‌ها و تهدیدات امنیتی موجود، پژوهش‌ها و پیشرفت‌های مداوم در این حوزه نشان می‌دهد که می‌توان با استفاده از تکنیک‌های امنیتی پیشرفته، این مشکلات را مدیریت و کاهش داد. این رویکرد نه تنها به بهبود کیفیت خدمات درمانی کمک می‌کند، بلکه به تقویت همکاری‌های بین‌المللی در تحقیقات سلامت نیز منجر می‌شود.