MediLOT là một nền tảng phân bổ xây dựng trên blockchain, trí tuệ nhân tạo và công nghệ quản lý dữ liệu cho bệnh nhân, nhà cung cấp y tế, nhà nghiên cứu và các tổ chức kinh doanh. BẢN 1.0 • THÁNG 4 2018 • MEDILOT TECHNOLOGIES PTE LTD • WWW.MEDILOT.COM SÁCH TRẮNG 2018
23
Embed
SÁCH TRẮNG 2018 - MediLOTbệnh nhân qua tất cả các lần thăm khám, là cần thiết, bao gồm các chuẩn đoán trước đây, kiểm tra, kết quả, đơn thuốc
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
MediLOT là một nền tảng phân bổ xây dựng trên blockchain, trí tuệ nhân tạo và công nghệ quản lý dữ liệu cho bệnh nhân, nhà
cung cấp y tế, nhà nghiên cứu và các tổ chức kinh doanh.
B Ả N 1 . 0 • T H Á N G 4 2 0 1 8 • M E D I L O T T E C H N O L O G I E S P T E L T D • W W W . M E D I L O T . C O M
S Á C H T R Ắ N G 2 0 1 8
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 0 2
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
N Ộ I DUNG
H I Ệ N T R Ạ N G V Ấ N Đ Ề V Ề C H Ă M S Ó C S Ứ C K H Ỏ E0 1
M E D I L O T0 2
C Ô N G N G H Ệ0 3
T O K E N L O T0 4
L Ợ I Í C H0 5
C H I Ế N L Ư Ợ C G I Ớ I T H I Ệ U V À T R I Ể N K H A I0 6
P H Â N P H Ố I T O K E N0 7
T H À N H V I Ê N0 8
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
0 3
Chăm sóc sức khỏe là quyền con người và cần thiết trong cuộc sống của mọi người. Những tiến bộ trong kĩ thuật y tế đã
giúp chúng ta tăng tuổi thọ, sống khỏe mạnh với chất lượng cuộc sống tốt hơn. Phần nhiều trong những tiến bộ vượt trội
nằm ở việc chăm sóc lâm sàng và thiết bị y tế. Việc quản lý dữ liệu cũng đang cho thấy nhiều phát triển, trong vấn đề Dữ
Liệu Sức Khỏe Điện Tử (EHR) – một dạng dữ liệu điện tử lưu trữ thông tin về sức khỏe bệnh nhân. EHR chứa lịch sử y tế, kế
hoạch điều trị, dị ứng và các dữ liệu liên quan tới sức khỏe bệnh nhân. Việc xúc tiến thông tin sức khỏe không qua giấy tờ là
cần thiết, bởi dễ dàng chia sẻ và sử dụng bởi y bác sĩ.
Trong khi hàng tỉ đô la đang được rót cho việc chuyển sang lưu trữ y tế điện tử tại các nước phát triển, tiến độ vẫn còn chậm
và đứt đoạn. Các hệ thống EHR hiện nay thiếu các điều khoản về quyền riêng tư, bảo mật và không hỗ trợ công cụ phân tích
dữ liệu overlays và không có khả năng xử lý việc phân bổ đều các dữ liệu sức khỏe quan trọng . Điều đó đặt ra một thách
thức cho việc xây dựng một hệ thống EHR mạnh, lớn và đặt bệnh nhân ở trung tâm.
1 Medication errors attributed to health information technology. Lawes S, Grissinger M. PA-PSRS Patient Saf Advis. March 2017;14:1-8.
H IỆ N TR ẠNG VẤN ĐỀ VỀ CHĂM SÓC SỨC K H Ỏ E
0 1
1.1 Hồ sơ bênh án không đồng nhất
Mỗi cơ sở y tế khác nhau thường có nhà cung cấp EHR khác nhau,
nghĩa là trong khi thông tin có thể được chia sẻ rộng rãi trong một
cơ sở hay cụm cơ sở, thì lại thường không kết nối hoặc không có khả
năng truy cập vào cơ sở sử dụng hệ thống EHR khác. Điều này dẫn
đến hiệu ứng silo, khi dữ liệu y tế của bệnh nhân bị ràng buộc vào
một cơ sở y tế, sau đó, phải tổng hợp và sao chép bằng tay để các cơ
sở y tế khác có thể truy cập. Ở thời đại mà việc chuyển giao thông
tin là ngay lập tức, những rào cản truy cập này càng ngày càng khó
có thể chấp nhận được.
Khi y bác sĩ gặp bệnh nhân, việc truy cập vào tất cả dữ liệu y tế của
bệnh nhân qua tất cả các lần thăm khám, là cần thiết, bao gồm các
chuẩn đoán trước đây, kiểm tra, kết quả, đơn thuốc và dị ứng. Việc
thiếu dữ liệu đầy đủ về lịch sử sức khỏe của bệnh nhân làm tăng
nguy cơ sai sót y tế và phát sinh chi phí. Hầu hết những sai sót này
không phải do sai sót của y bác sĩ, mà là do lỗi từ các hệ thống sử
dụng trong y tế. Đa phần các sai sót y tế được cho là do quy trình,
giao tiếp và giao diện người dùng1.
1.2 Bệnh nhân chưa được đặt làm trung tâm
Ở thời này, chủ nghĩa y học là một ngoại lê, chứ không phải tiêu
chuẩn. Bệnh nhân ngày càng được cùng ra quyết định và thường
đóng vai trò tích cực trong việc quản lý các vấn đề y tế của họ. Tham
khảo ý kiến khác cũng đã trở thành một việc mà bệnh nhân chấp
nhận được – tuy nhiên, điều này đang bị cản trở bởi các giải pháp
EHR hiện hành. Bởi bệnh nhân không được trực tiếp quản lý truy cập
vào dữ liệu sức khỏe chi tiết của họ, việc lưu động dữ liệu y tế còn
hạn chế. Các hệ thống hiện hành cũng không cho phép các lựa chọn
thỏa thuận khác được đăng kí hay thay đổi dễ dàng – ví dụ, nếu
bệnh nhân muốn thay đổi quyết định về thử nghiệm nghiên cứu hay
hiến tặng nội tạng sẽ phải trải qua một quy trình hành chính mệt
mỏi để thay đổi thỏa thuận của mình.
1.3 Thiếu tính riêng tư cho bệnh nhân
Tính riêng tư của bệnh nhân là nền tảng của một nền y tế tốt và là
quan trọng với cả bệnh nhân và bác sĩ. Bệnh nhân tự nguyện cung
cấp các thông tin y tế chính xác để có thể được điều trị hiệu quả
nhất. Tuy nhiên, các hệ thống EHR hiện tại không cho phép bệnh
nhân có quyền kiểm soát ai có thể tiếp cận phần thông tin nào trong
hồ sơ y tế của họ khi không điều trị tại viện. Trong khi có một vài hệ
thống đặt mật khẩu cơ bản để bảo vệ tính phần bảo mật cho những
thông tin tế nhị như lịch sử tình dục hay tâm thần, không có một
hệ thống nào cho phép bệnh nhân kiểm soát việc chia sẻ thông tin
của họ. Mặc dù luật bảo vệ quyền riêng tư có quy định cách sử dụng
thông tin y tế cá nhân, tuy nhiên vẫn chưa được xây dựng dựa trên
sự tiến bộ của kĩ thuật của blockchain với khả năng bảo mật phân bổ
thông tin và cho phép bệnh nhân quyền kiểm soát gần như ngay lập
tức cách sử dụng dữ liệu của chính họ.
1.4 Rủi Ro Bảo Mật
Các hệ thống EHR hiện tại được tập trung và dễ mắc lỗi toàn hệ
thống. Tháng 4 năm 2017, mã đọc WannaCry đã làm tê liệt khoảng
80 cơ sở dịch vụ y tế quốc gia (NHS) bao gồm các bệnh viện và
phòng khám tổng quát ở Anh. Kết quả: gần 20.000 lịch khám bị hủy,
5 bệnh viện phải ngắt dịch vụ cứu thương và 600 y bác sĩ phải sử
dụng giấy bút để ghi bệnh án. Khi tất cả hồ sơ bệnh án được lưu trữ
trong một nguồn, việc vi phạm thông tin thường là thảm họa với bất
kì tổ chức y tế nào. Dựa trên bản tin về bảo mật của Kaspersky năm
2016, lĩnh vực chăm sóc y tế là một trong 10 ngành bị thiệt hại nặng
nhất do mã đọc tống tiền.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
0 1 H I Ệ N T R Ạ N G V Ấ N Đ Ề V Ề C H Ă M S Ó C S Ứ C K H Ỏ E
0 4
1.5 Bảo Hiểm Y Tế Và Gian Lận
Các nhà bảo hiểm đóng vai trò quan trọng trong hệ thống chăm
sóc sức khỏe và thường yêu cầu được truy cập vào dữ liệu của bệnh
nhân nhằm mục đích bồi thường và cơ cấu phí bảo hiểm. Hiện
tại, bệnh nhân phải yêu cầu bệnh viện cung cấp chứng từ y tế, và
thường phải trả phí xử lý. Bệnh viện thường tổng hợp các thông tin
phù hợp thành một báo cáo và gửi tới cho công ty bảo hiểm, để họ
sẽ kiểm chứng một cách thủ công. Quá trình này khá vòng vo bởi
mỗi bồi thường y tế có thể mất tới nhiều tháng và thậm chí nhiều
năm, và việc nhiều bên liên quan làm tăng nguy cơ sai sót bản ghi.
Gian lận y tế cũng là một vấn đề khi y bác sĩ gây ra sai sót bao gồm
chuẩn đoán sai trong hồ sơ bệnh án để gian lận khoản bồi thường.
Những chuẩn đoán sai có thể tổn hại bức tranh tổng quát về sức
khỏe bệnh nhân và dẫn tới các sai sót y tế. Nếu không có một hệ
thống dữ liệu tốt có nguồn gốc xuất xứ, khó có thể phát hiện ra y
bác sĩ gây sai xót. Điều này dẫn tới việc tăng tiền bồi thường cho tất
cả các bệnh nhân khác và ảnh hưởng tới những y bác sĩ trung thực.
Ngành công nghiệpPhần trăm bị tấn
công bởi ransom-ware
Giáo dục 23
Thông tin/viễn thông 22
Giải trí/truyền thông 21
Dịch vụ tài chính 21
Xây dựng 19
Chính quyền/Khu vực công/Phòng thủ 18
Sản xuất 18
Giao thông 17
Y tế sức khỏe 16
Bán lẻ/Bán buôn/Giải trí 16
Nguồn: Kaspersky Security Bulletin 2016
1.6 Cá Nhân Hóa Điều Trị
Cá Nhân Hóa Điều Trị, trong khi bị cho là quá đắt đỏ và phi thực tế,
đang dần trở thành hiện thực. Nhờ có những tiến bộ trong Trí Thông
Minh Nhân Tạo (AI), machine learning và phân tích dữ liệu, ngành y
đang dần chuyển mình. Việc hứa hẹn những kế hoạch điều trị và kê
đơn thuốc tùy theo từng cá nhân đang trở nên hấp dẫn. Tuy nhiên,
sự thiếu hụt cấu trúc dữ liệu và giao diện lập trình ứng dụng (APIs)
EHR dễ sử dụng đang gây cản trở việc áp dụng trên thực tế. Thêm
vào đó, việc không có khả năng chia sẻ dữ liệu gen và kiểu hình mà
không làm lộ danh tính sẽ cản trở quá trình sử dụng công cụ AI khi
cá nhân hóa điều trị.
1.7 Điều Trị Từ Xa
Điều Trị Từ Xa vẫn đang trong giai đoạn manh nha, nhưng được dự
đoán sẽ là một trong những ngành ngách tăng trưởng nhanh nhất
trong lĩnh vực y tế. Với những tiến bộ trong thông tin liên lạc, With
advances in telecommunications, phát video trực tuyến, và thiết bị
đeo tay wearables, việc điều trị từ xa trở nên phổ biến chỉ còn là vấn
đề thời gian. Tuy nhiên, giống như vấn đề của hồ sơ bênh án không
đồng nhất, nguy cơ về tập trung và bảo mật cũng tồn tại. Không
có một lịch sử sức khỏe đầy đủ, y bác sĩ sẽ khó có thể đưa ra chuẩn
đoán chính xác qua điều trị từ xa. Quyền riêng tư của bệnh nhân
cũng cần thiết trong điều trị từ xa nhưng không có hệ thống hiện
hành nào cho phép chi tiết quyền truy cập.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
2.1 Dữ Liệu Y Tế Đầy Đủ
Sử dụng sổ cái phân tán (Hyperledger++) lưu trữ tất cả các giao dịch
được thực hiện – các y bác sĩ có thẩm quyền có thể trích xuất toàn
bộ dữ liệu của bệnh nhân bất kì lúc nào để sử dụng trong điều trị.
Những hồ sơ bệnh án này sau đó sẽ được truy cập, với sự đồng ý của
bệnh nhân, giữa các cơ sở y tế khác nhau. Ví dụ, một bệnh nhân tới
khám ở một bệnh viện mà anh ta chưa hề điều trị trước đây sẽ không
bị yêu cầu lặp lại xét nghiệm, bởi bác sĩ hay thầy thuốc đã được
quyền truy cập vào toàn bộ bệnh án qua MediLOT. Hơn thế, các lựa
chọn thỏa thuận khác, như liên quan tới việc hiến tạng, định hướng
và nghiên cứu y học cao cấp, cũng có thể được lưu trên blockchain
và truy cập toàn cầu. Cụ thể, các lựa chọn thỏa thuận bao gồm việc
sử dụng dữ liệu cho nghiên cứu có thể được tải theo dạng hạt, cho
phép nghiên cứu viên ngay lập tức biết bệnh nhân cho phép dữ liệu
của họ được sử dụng cho nghiên cứu, bao gồm việc sử dụng vật liệu
sinh học cũng như việc nhận dạng lại có được phép nếu cần.
2.2 Quyền riêng tư và đặt bệnh nhân làm trung tâm
Với sự đồng ý của bệnh nhân, y bác sĩ, nhà nghiên cứu hay công ty
bảo hiểm muốn truy cập dữ liệu sẽ được chấp thuận thing qua sổ cái
Hyperledger++, và họ không được phép that đổi dữ liệu. Bệnh nhân
cũng nắm trong tay chìa khoá riêng có thể sử dụng để nhận diện
chính họ. Điều này mang lại quyền riêng tư cho bệnh nhân ở mức
kiểm soát cao, và bệnh nhân cũng có thể giám sát ai đã từng truy
cập vào hồ sơ bệnh án của họ.
2.3 Bảo mật dữ liệu
Dữ liệu người dùng sẽ không được truy cập trực tiếp trên
blockchain. Nghĩa là, không có dữ liệu y tế nàp được lưu trực tiếp
trên chuỗi này. Thay vào đó, blockchain sẽ đóng vai trò như một thẻ
ghi để xác định dữ liệu bệnh nhân đang được lưu ở đâu dưới dạng
mã hoá. Đây được coi là một lớp bảo mật khác cho bệnh nhân. So
sánh với việc lấy dữ liệu ở các hệ thống y tế hiện tại, sẽ khó khăn
hơn cho ai cố gắng lấy cắp dữ liệu bệnh nhân.
0 5
MediLOT là nền tảng blockchain kép dựa trên hệ sinh thái EHR với kiến trúc phân tầng độc đáo, tích hợp
machine learning và khả năng phân tích dữ liệu trong kiểm soát và phân tầng dữ liệu, cho phép machine
learning APIs với nhiều ứng dụng được phát triển trong hệ thống. MediLOT được thành lập và góp vốn
bởi MediLOT Technologies Pte Ltd, một sáng kiến của trường ĐH Quốc Gia Singapore. MediLOT hỗ trợ
Chỉ những y bác sĩ được trao quyền trên nền tảng MediLOT mới có
thể đọc và viết trên hồ sơ bệnh án của bệnh nhân. Bằng việc cung
cấp nguồn dữ liệu, nền tảng này sẽ cung cấp cho bệnh nhân danh
sách đầy đủ những ai đã truy cập vào hồ sơ của họ, thời gian truy
cập và phần dữ liệu được truy cập vào. Vấn đề này vốn được kiểm
tra, bản dữ liệu theo thời gian giúp tăng tính minh bạch trong việc
quản lý hồ sơ bệnh án và tăng thêm niềm tin ở hệ thống y tế.
MediLOT đảm bảo tính xác minh và bất biến của hồ sơ bệnh án, nhờ
đó, cho phép nhà nghiên cứu và công ty bảo hiểm có thể dựa vào dữ
liệu sức khỏe được cung cấp để đưa ra quyết định chính xác và hiệu
quả. Những y bác sĩ cố tình gây sai sót nhằm gian lận bảo hiểm sẽ dễ
dàng bị phát hiện.
2.5 Phân Tích Cao Cấp Và Cá Nhân Hóa Điều Trị
MediLOT tích hợp hệ AI có tên GEMINI (Generalisable Medical
Information Analysis and Integration Platform) có thể hỗ trợ phân
tích dữ liệu lớn và cá nhân hóa điều trị. GEMINI được phát triển bởi
một nhóm gồm các thành viên thuộc ĐH Quốc Gia Singapore, trong
hơn 6 năm. Kết quả nghiên cứu đã được kiểm chứng và phát hành
tại các hội thảo và báo cáo danh giá nhất2. Các dịch vụ phân tích cấp
cao như dự đoán tái nhập viện và mô hình tiến triển của bệnh cũng
được hỗ trợ.
Phân tích dữ liệu MediLOT và lớp AI khiến cho việc cá nhân hóa điều
trị được chính xác và mở ra cánh cửa cho vô số các ứng dụng phức
tạp có thể phát triển trên nền tảng MediLOT bởi các tổ chức và nhà
nghiên cứu tham gia.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
0 6
0 2 M E D I L O T
1 năm trước khi cho vào mục lục
nhập viện
Nhiễm lao 010
Tăng huyết áp cao 401
Kết quả đỡ đẻ v27
Kiểu hình Dự đoán
Rối loạn nhân cách 301
Bảo quản lạnh CP14
Mổ chuyên sâu CPT39
Kiểm tra thuốc CPT67
Chuẩn đ
oán
Proced
ure
Thủ tục lọc máuCPT29
-
-
01 Tháng 1
01 Tháng 1
Ra khỏi mục lục nhập viện
15-16 Tháng 1
25-27 Tháng 1
01 Tháng 2
Hình 1 - Dự đoán tái nhập viện
30 ngày sau khi xuất viện
Nhập viện không lường trước
Nhập viện không lường trước
Giờ (Ngày)
10 20 30 340 350 360....
Sơ đồ 1 mô tả quá trình dự đoán nguy cơ tái nhập viện. Khi một
bệnh nhân ra viện vào 1 tháng 1 sau khi nhập viện (mốc nhập viện),
GEMINI có thể dự đoán liệu rằng bệnh nhân có thể tái nhập viện lại
trong vòng 30 ngày hay không. GEMINI sử dụng thông số là lịch sử
bệnh nhân trong 1 năm trước mốc nhập viện để xây dựng dữ liệu
lịch sử của bệnh nhân cho mô hình ma trận. Tiếp đó, ma trận này
được chuyển vào mô hình deep learning và chạy kiểu hình máy tính
để đưa ra dự đoán tái nhập viện.
2.6 Bồi Thường Bảo Hiểm
Bệnh nhân có thể trực tiếp gửi yêu cầu bồi thường tới công ty bảo
hiểm, với các thông tin xác minh từ MediLOT, giúp tiết kiệm thời
gian và bỏ qua các thủ tục hành chính rườm rà tốn chi phí. Công ty
bảo hiểm cũng được hưởng lợi từ thời gian xoay vòng nhanh gọn và
hạn chế tối đa gian dối. Dữ liệu bảo hiểm của bệnh nhân bao gồm
qui mô bồi hoàn cũng có thể được lưu trên MediLOT; một khi được
truy cập, các ứng dụng có thể được xây dựng trên nền tảng MediLOT
Trạng thái: nhập viện
để tự động xác định nếu bệnh nhân được bảo hiểm chi trả cho một
điều trị nhất định, thay vì bệnh nhân phải liên hệ với nhân viên bảo
hiểm. Điều này giúp tiết kiệm thời gian và công sức cho cả bệnh
nhân, bác sĩ và phía bảo hiểm.
2.7 Hỗ Trợ Điều Trị Từ Xa
Được truy cập vào hồ sơ bệnh án đầy đủ và các công cụ phân tích
dữ liệu đáng tin cậy, y bác sĩ có thể chính thức bắt đầu vào việc điều
trị từ xa. Dữ liệu rõ nguồn gốc và đáng tin cậy cũng khiến cho việc
lưu trữ được kiểm chứng, điều này là cần thiết cho việc điều trị từ xa
và đem lại niềm tin của công chúng vào hệ thống y tế. MediLOT đã
đang hợp tác với Trung tâm điều trị từ xa Shandong, một trung tâm
điều trị từ xa hàng đầu ở Trung Quốc để tích hợp điều trị từ xa vào
hệ sinh thái MediLOT.
CÔ NG NG H Ệ0 3
3.1 Bao quát
MediLOT phục vụ ba đối tượng người dùng: tổ chức y tế, bệnh nhân
và người yêu cầu dữ liệu (tổ chức nghiên cứu, nhà bảo hiểm, chính
phủ).
• Tổ chức y tế: Bệnh viện và các nhà cung cấp y tế đều có cơ sở
dữ liệu về sức khoẻ bệnh nhân.
• Bệnh nhân: Khi người bệnh, người sở hữu dữ liệu, đến gặp bác
sĩ ở bệnh viện, bệnh viện tạo ra một hồ sơ mới và lưu lại trong
cơ sở dữ liệu.
• Người yêu cầu dữ liệu: Cá nhân hay tổ chức, ví dụ như công
ty dược hay bảo hiểm, có thể muốn dùng dữ liệu bệnh nhân để
thiết kế phương pháp trị liệu mới, hoặc để cải thiện kinh doanh.
MediLOT dùng công nghệ blockchains để khuyến khích và thuận
tiện hoá việc chia sẻ dữ liệu cho người dùng. MediLOT sử dụng
blockchain kín để cho phép sử dụng dữ liệu, và blockchain mở cho
giao dịch token. Blockchain tạo ra một nền điều khiển cho truy
cập dữ liệu, trong khi dữ liệu được chia sẻ trên nền dữ liệu (ngooài
blockchain).
Trên nền dữ liệu, các hệ thống blockchain hiện nay (ví dụ như
Ethereum và Hyperledger) xây dựng cấu trúc dữ liệu trên kho lưu trữ
khoá-dữ liệu (key-value store) ví dụ như LevelDB RocksDB. Phương
pháp này có thể chống làm giả dữ liệu, nhưng không thể chạy được
trên quy mô lớn3. Quan trọng hơn, các hệ thống này không hiệu quả
cho xử lý truy vấn dữ liệu, cũng như không loại bỏ dữ liệu trùng lặp.
Cụ thể hơn, kho dữ liệu đơn giản đẩy các chức năng phức tạp lên
nền blockchain hoặc ứng dụng, làm cho việc kiểm tra sự chính xác
và cung cấp hiệu suất cao trở nên khó khăn hơn.
Kho dữ liệu dùng trong MediLOT blockchain không đi theo phương
pháp cũ của khoá-dữ liệu, mà dùng kho dữ liệu cung ứng blockchain
đầu tiên trên thế giới: ForkBase. ForkBase ủng hộ rất hiệu quả
những ứng dụng đòi hỏi phiên bản dữ liệu, chống làm giả, loại bỏ
trùng lặp và phối hợp của các đặc tính đó, ví dụ như phân tích dữ
liệu hợp tác.
Ngoài việc cung cấp truy cập vào dữ liệu nguyên bản, MediLOT cung
cấp một nền trí tuệ nhân tạo (AI) để loại bỏ sự phức tạp của giao
thức chia sẻ dữ liệu. Nền này tạo điều kiện cho nhà phân tích có thể
tập trung vào công việc của họ, bằng cách xử lý việc lấy dữ liệu và
cung cấp máy học APIs để xây dựng các ứng dụng phức tạp.
Hình 2 miêu tả nền tảng quan trọng trong cấu trúc phần mềm
của MediLOT. Hệ thống MediLOT được xây dựng bằng công nghệ
tiên tiến ở khoa máy tính trường đại học quốc gia Singapore. Để
GEMINI viết tắt của nền tảng tích hợp và phân tích dữ liệu y tế tổng
quát, là hệ trí tuệ nhân tạo tầng trên hỗ trợ phân tích dữ liệu lớn và
nâng cao quyết định lâm sàng.
Hyperledger++ Bản nâng cao Hyperledger với phương thức đồng
nhất nới rộng và có thể cải tiến băng thông lên 7 lần
ForkBase là hệ thống lưu trữ sở hữu với ngữ nghĩa phong phú,
tính bất biến và chia sẻ dữ liệu, được xây dựng như là kho lưu trữ tự
nhiên cho blockchain.
Hinh 2 - Cấu trúc phần mềm MediLOT
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 0 7
3 S. Wang, T. T. A . Dinh, Q. Lin, Z. Xie, M. Zhang, Q. Cai, G. Chen, W. Fu, B.C. Ooi, P. Ruan: ForkBase: An Efficient Storage Engine for Blockchain and Forkable Applications. VLDB 2018.
Phân tích
Blockchain
Kho lưu trữ dữ liệu
biết thêm chi tiết, hãy đến website http://www.comp.nus.edu.
sg/~dbsystem/
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Hình 3 miêu tả hai blockchain cho nền điều khiển và nền dữ liệu
trong MediLOT. Người dùng tương tác với hệ thống này qua ba hợp
đồng thông minh (smart contracts): hợp đồng ERC20 token, hợp
đồng trước bạ, và hợp đồng tán thành.
3.2.1 Ethereum
Blockchain Ethereum cho phép người dùng đọc và ghi vào sổ cái
phân phối. Một khối (block) mới được tạo ra bởi người đào (miner)
và nối thêm vào sổ cái qua giao thức đồng thuận proof-of-work.
Giao thức này, cũng như những giao thức mới như là proof-of-
stakes, cho phép nhánh ở trong sổ cái.
Ethereum hỗ trợ hợp đồng Turing đầy đủ, tức là mã tuỳ ý, trên nền
blockchain. Một hợp đồng bao gổm logic của ứng dụng, và ứng
dụng phổ biến nhất trên Ethereum là tiền ảo. Một ứng dụng phổ
biến khác là giao dịch token (được dùng trong MediLOT). Token và
giao dịch được định nghĩa bởi hợp đồng thông minh qua giao diện
ERC20. Người dùng có thể mua hoặc kiếm token và gửi cho người
khác bằng hợp đồng này. Trạng thái của token có thể được đọc, nhất
trí trong toàn bộ mạng blockchain. Phần 4 sẽ cung cấp nhiều chi tiết
hơn về token này.
3.2.2 Hyperledger++
Hyperledger có thể nói là blockchain kín phổ biến nhất hiện nay,
trong đó người dùng phải được cho phép trước khi đăng nhập vào
hệ thống. Cụ thể lả danh tính người dùng phải được kiểm trứng qua
chứng chỉ khoá công cộng (public key certificate), và quyền truy cập
được điều khiển qua dịch vụ cung cấp hội viên (MSP).
0 8
0 3 C Ô N G N G H Ệ
3.2 Blockchains
Hình 3 - Blockchain trong MediLOT
4 A. Dinh, J. Wang, G. Chen, R. Liu, B. C. Ooi, K.-L. Tan: BLOCKBENCH: A Framework for Analysing Private Blockchains. ACM SIGMOD 2017 5 S. Wang, T. T. A . Dinh, Q. Lin, Z. Xie, M. Zhang, Q. Cai, G. Chen, W. Fu, B.C. Ooi, P. Ruan: ForkBase: An Efficient Storage Engine for Blockchain and Forkable Applications. VLDB 2018.
Bệnh viện Bệnh nhân Người yêu cầu dữ liệu
Công (Ethereum)
Được quyền (dựa trên Hyperledger++)
Block 5 Block 6
Block 1
Block 1
Block 2
Block 2
Block 3
Block 3
Block 4 Block N
Block N
Trước bạ
ERC20 Hợp đồng
Token
Tán thành
H E A L T H D A T A P R O T O C O L
2 0 1 8
Hyperledger blockchain không có nhánh vì nó sử dụng giao thức
đồng thuận xác định tên là PBFT. Cũng giống như Ethereum,
Hyperledger hỗ trợ hợp đồng thông minh Turing đầy nhằm mã hoá
logic của ứng dụng. Hyperledger đã được dùng cho quản lý tài sản
và chuỗi cung ứng.
Nhóm nghiên cứu của chúng tôi là nhóm đầu tiên trên thế giới đề
xuất ra một khung chuẩn để đánh giá hiệu suất của các hệ thống
blockchain kín bao gồm cả Hyperledger, được gọi là BLOCKBENCH4.
Qua đánh giá các nút thắt trong hiệu suất, chúng tôi thiết kế giao
thức mới để tăng hiệu suất của Hyperledger lên một cách đáng kể.
Thiết kế Hyperledger++ này có những ưu điểm sau:
• Giao thức đồng thuận mở rộng: chúng tôi dùng phần cứng tin
cậy để cải thiện mối quan hệ tin cậy giữa các thành viên, và
nâng thông lượng lên gấp 7 lần.
• Kho lưu trữ linh hoạt: chúng tôi thay thế kho lưu trữ của
Hyperledger bằng ForkBase5, kho lưu trữ riêng của chúng tôi,
và cải thiện được hiệu suất phân tích trên blockchain gấp vài
trăm lần.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
0 9
3.2.3 Hợp Đồng Thông Minh
Hợp đồng trước bạ
Hợp đồng trước bạ bao gồm hai bảng biểu: bảng dữ liệu và bảng
trạng thái. Bảng thứ nhất được ghi bởi bệnh viện, bảng thứ hai bởi
bệnh nhân.
Khi bệnh án được nhập bởi bệnh viện, ví dụ như có chuẩn đoán mới
bổ sung vào cơ sở dữ liệu, một hồ sơ mới được ghi vào hợp đồng
trước bạ. Cụ thể là bảng dữ liệu sẽ được cập nhật với dữ liệu có định
dạng như sau:
Cột RecordID tương ứng với hồ sơ mới tạo trên bảng dữ liệu. Status
là một lá cờ miêu tả kết quả của việc xác thực dữ liệu: có thể chấp
nhận hoặc từ chối. Signature bao gồm chữ kí điện tử của bệnh nhân.
Hợp đồng tán thành
Khi người bệnh cho phép một tổ chức thứ ba, ví dụ như người phân
tích dữ liệu, truy cập vào dữ liệu, người bệnh sẽ viết vào hợp đồng
tán thành. Hồ sơ mới này được định dạng như sau:
PatientID
RequestorID
Permission
Metadata
Date
Query
Price
Other
Signature
RecordID
Status
Signature
PatientID
HospitalID
Metadata
DoctorID
Date
Hash
Other
RecordID
Signature
Mỗi trạng thái được ghi vào Hyperledger dưới dạng khoá-dữ liệu,
PatientID được dùng như là khoá, và các cột còn lại được coi là dữ
liệu. Tính năng của Cột DoctorID và Date là dễ hiểu. Cột Other có giá
trị bất kì, có thể được tuỳ chính theo ứng dụng. Các cột quan trọng
còn lại là:
• Hash bao gồm mã hóa băm của dữ liệu bệnh nhân. Giả sử U là
chuẩn đoán mới sau khi gặp bác sĩ, thì:
Hash = SHA-256(U)
trong đó SHA-256 là hàm băm mã hóa phổ biến.
• RecordID được dùng như là khóa ngoại trong bảng trạng thái,
trong đó || là kí tự nối liền hai cột dữ liệu. RecordID nhận định
duy nhất nội dung của dữ liệu tương ứng trên bảng dữ liệu.
• Signature là chữ ký điện tử ECDSA của bệnh viện trên hồ sơ.
Để được coi là có hiệu lực, dữ liệu mới tạo bởi bệnh viện phải được
xác thực bởi bệnh nhân. Bệnh nhân kiểm tra dữ liệu theo các bước
liệt kê trong phần 3.2.5. Sau đó, bệnh nhân cập nhật bảng trạng thái
với một dữ liệu mới với định dạng như sau:
có nghĩa là bệnh nhân PatientID đã cho phép một người dùng khác
RequestorID. Ba cột quan trọng trong đó là:
• Permission: bao gồm mã hóa băm của văn bản điều khoản
và điều kiện, trong đó định nghĩa cách dùng dữ liệu nào được
cho phép. Văn bản này có thể đưa ra phép đơn giản như là đọc,
hoặc phức tạp như là xoá bỏ sau khi dùng. Trong tài liệu này
chúng tôi giả định phép đơn giản nhất, tức là phép đọc.
Chúng tôi giả định là nếu RequestorID bỏ trống, có nghĩa là
bệnh nhân cấp phép cho tất cả mọi người phân tích dữ liệu.
• Query: bao gồm truy vấn dạng SQL nhằm lấy một phần của dữ
liệu. Các phép được định nghĩa trên phần dữ liệu này. Nếu bỏ
trống, có nghĩa là người phân tích được quyền đọc tất cả dữ
liệu thuộc vệ bệnh nhân này.
• Price: mô tả số lượng token tối thiểu mà bệnh nhân được trả
sau khi cho phép truy cập.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán.
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
1 0
Hợp đồng Token
Chúng tôi xây dựng hợp đồng theo chuẩn ERC206,7 cho MediLOT.
Hợp đồng này được sử dụng trong hầu hết các Initial Coin Offerings
(ICOs). Trước tiên, một số lượng token nhất định được tạo ra. Sau
đó, chúng tôi phân bổ token này cho các bên liên quan qua hàm
transfer(). Người dùng có thể trao đổi token, ví dụ như người phân
tích có thể trả bệnh nhân một số lượng token nhất định qua hàm
transferFrom().
3.2.4 Quản Lý Danh Tính Và Truy Cập
Người dùng MediLOT phải ghi danh vào hệ thống trước khi sử dụng
dịch vụ. Quản lý danh tính, tức là kiểm tra xem người dùng là ai, có
vai trò gì, và danh tính này có còn hiệu lực hay không, là đặc biệt
quan trọng cho vấn đề bảo mật của blockchain kín. Nó thậm chí còn
quan trọng hơn thế khi làm việc với dữ liệu y tế ở những nơi có quy
định chặt chẽ về truy cập.
MediLOT khai thác dịch vụ thành viên hiện tại của Hyperledger
(MSP) để quản lý danh tính và truy cập. MSP có hai vai trò quan
trọng:
• Thẩm quyền chứng chỉ (Fabric-CA): kí vào chứng chỉ xác nhận
danh tính và thuộc tính của người dùng. Tất cả máy thành viên
trong Hyperledger chấp nhận chứng chỉ từ Fabric-CA là bằng
chứng về tính danh. Fabric-CA có những xử lý như sau:
• Nối PatientID, HosptialID và RequestorID với chứng chỉ
khóa công cộng.
• Nối PatientID, HosptialID và RequestorID với địa chỉ ví
Ethereum.
• Thu hồi chứng chỉ khi chìa khoá riêng bị mất hoặc bị xâm
phạm.
6 Dmitry Khovratovich; Mikhail Vladimirov. “SecureToken Development and Deployment” (PDF). Edcon.io. Retrieved 30 August 2017. 7 ERC20 Token Standard - The Ethereum Wiki”. Theethereum.wiki. Retrieved 30 August 2017.
Blockchain/Người dùng
Bệnh nhân Bệnh viện Người yêu
cầu dữ liệu
Token RW RW RW
Trước bạ
Bảng dữ liệu: R
Bảng trạng thái: RW
Bảng dữ liệu: RW
Bảng trạng thái: R
Tất cả: R
Tán thành RW R R
• Quản lý truy cập bằng thuộc tính (ABAC): kí chứng chỉ giao
dịch, chỉ định ra các phép truy cập cho người gửi. Ví du, người
gửi giao dịch có thể đọc nhưng không viết được dữ liệu vào
blockchain.
Bàng biểu sau đây liệt kê cụ thể các phép truy cập cho từng loại
người dùng của ba hợp đồng thông minh. Khi hệ thống bắt đầu,
MSP được khởi tạo với những phép truy cập này.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 1
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Hình 4 miêu tả cụ thể tương tác giữa người dùng MediLot và hai blockchain.
Tạo dữ liệu
Khi tạo ra hồ sơ mới, bác sĩ sẽ ghi vào cơ sở dữ liệu EHR sở tại trước
(bước 1). MediLOT sau đó triển khai một phần mềm khách ở bệnh
viện, được gọi là HClient, nhằm đăng ký để cập nhật các sự kiện
trong EHR. Khi nhận được thông báo cập nhật (bước 2), HClient cập
nhật hợp đồng trước bạ theo định dạng ở phần 3.2.3 (bước 3.1), và
chuyển thông báo này cho bệnh nhân, để cho bệnh nhân biết về hồ
sơ mới (bước 3.2).
Phần mềm khách của bệnh nhân, được gọi là PClient, xác nhận dữ
liệu được gửi ở bước 3.2. Nếu đúng, PClient cập nhật cột Status
của bảng trạng thái trong hợp đồng trước bạ sang chấp nhận; nếu
không, cập nhật sang từ chối (bước 4).
Cho phép dữ liệu
Phần mềm khách của người yêu cầu dữ liệu, được gọi là RClient,
đàm phán với bệnh nhân về quyền truy cập. Bước này (bước 5) xảy
ra ngoài blockchain. Khi bệnh nhân đồng ý với các điều kiện, điều
khoản và giá cả, PClient ghi vào hợp đồng tán thành với thông tin
này (bước 6). Cuối cùng, RClient kiểm tra hợp đồng tán thành (bước
7) và trả cho bệnh nhân số lượng token đã thỏa thuận (bước 8).
Yêu cầu dữ liệu
Phần mềm khách của người yêu cầu dữ liệu, RClient, gửi yêu cầu
đến bệnh viện để lấy dữ liệu như đã cập nhật ở hợp đồng tán thành
(bước 9). HClient kiểm tra rằng:
1. Hồ sơ tán thành có hiệu lực (bước 10.1).
2. Số token yêu cầu đã được trả đủ (bước 10.2).
Nếu không có vấn đề gì sau khi kiểm tra, HClient thi hành yêu cầu
này và trả lại dữ liệu (bước 11).
3.2.5 Tương tác giữ người dùng và MediLOT
Bệnh viện
Cơ sở dữ liệu y khoa điện tử
Hyperledger++
Ethereum
MediLOTHClient
MediLOTPClient
Bệnh nhân
MediLOTRClient
Người yêu cầu dữ liệu
1
2 4
7
11
89
3.1
6
5
10.1
10.2
3.2
Hình 4 - Tương tác cụ thể với blockchain trong MediLOT
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 2
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
3.3.1 Thiết kế của ForkBase3.3 Kho Lưu Trữ Tiêu Điểm Blockchain
Công nghệ blockchain mới nổi và các ứng dụng trên nền công nghệ
này đòi hỏi một kho lưu trữ mới với ba đặc tính cơ bản sau:
1. dữ liệu phiên bản (để ủng hộ dữ liệu về nguồn gốc)
2. ngữ nghĩa nhánh (để xử lý xung đột)
3. chống làm giả (để đảm bảo quyền riêng tư)
Ngoài ra, hai đặc tính cao cấp khác cũng trở nên quan trọng:
4. dữ liệu trùng lặp (để tiết kiệm không gian lưu trữ
5. tăng tốc truy vấn nguồn gốc (cho phân tích dữ liệu)
Để đạt được năm đặc tính trên, MediLOT sử dụng blockchain với kho
lưu trữ khác biệt so với các giải pháp khóa-dữ liệu thông thường.
Chúng tôi đề xuất và xây dựng kho lưu trữ tiêu điểm blockchchain
đầu tiên trên thế giới tên là ForkBase. ForkBase được thiết kế để
giúp đỡ hiệu quả blockchain và các ứng dụng có nhánh khác. Bằng
cách tích hợp các tính chất quan trọng của ứng dụng vào kho lưu
trữ, ForkBase không chỉ đem đến hiệu suất cao mà còn giảm thiểu
công phát triển. Kho lưu trữ mới này sử dụng những nguyên tắc đã
được chứng minh trong cơ sở dữ liệu, và có năm điểm nổi bật.
1. Một số phiên bản độc nhất được dùng để định danh nội dung
và lịch sử của dữ liệu. Nó có thể được dùng để nhanh chóng tìm
lại và kiểm tra xem dữ liệu có còn nguyên vẹn hay không.
2. Các khối dữ liệu lớn được chia ra làm nhiều phần và sắp xếp vào
kết cấu trỏ tiên tiến phối hợp các khái niệm về nội dung cắt,
cây Merkle và cây B+, được gọi là POS-Tree. Cấu trúc này tạo
điều kiện cho việc nhận định và loại bỏ dữ liệu trùng lặp một
cách hiệu quả, và giúp giảm thiểu đáng kể không gian lưu trữ,
đặc biệt là cho dữ liệu gia tăng.
3. Hỗ trợ ngữ nghĩa nhánh chung, để có thể phân nhánh dữ liệu
ngầm hoặc trực tiếp. Cây POS-Tree hỗ trợ sao chép khi ghi
trong khi phân nhánh, giúp loại bỏ dữ liệu trùng lặp.
4. ForkBase có APIs đơn giản, cùng với nhiều cấu trúc dữ liệu
khác, giúp giảm thiểu công phát triển và tạo nên không gian
đánh đổi lớn giữa hiệu suất truy vấn và lưu trữ.
5. ForkBase có thể nới rộng lên nhiều máy, nhờ vào cấu trúc hai
tầng phân bổ qua đó dữ liệu được chia nhỏ đều ra các máy kể
cả khi khối lượng công việc không đều.
Hình 5 - cấu trúc của ForkBase
Các ứng dụng
Lưu trữ văn bản
Blockchain Git Phân tích cộng tác
Cách nhìn ngữ nghĩa (theo hướng ứng dụng)
put (object) get (version)
merge ({objects})
version {objects}
object
Đại diện nhánh (phiên bản, phân nhánh)
Điều khiển truy cập dựa trên nhánh
Bảo mật dữ liệutính toàn vẹn
Tính nhất quán ngữ nghĩa hợp nhất
API cho truy cập dữ liệu (kiểu dữ liệu)
Lưu trữ phần (tránh trùng lặp, tính bất biến)
Người quản lý A Người quản lý B
Hình trên miêu tả cấu trúc phần mềm của Forkbase, nhấn mạnh vào
cách kho lưu trữ này thống nhất những đặc tính cơ bản của ứng
dụng và tăng thêm giá trị cho ứng dụng hiện đại. Ở tầng cuối, dữ
liệu trùng lặp được loại bỏ ở mức độ phần nhỏ. Ở tầng đại diện, các
phiên bản và nhánh được tổ chức theo cách hỗ trợ chống làm giả và
theo dõi lịch sử phiên bản. Tầng tiếp theo hỗ trợ APIs nhằm thống
nhất ngữ nghĩa nhánh chung và các kiểu dữ liệu phức tạp khác. Các
tính năng khác như là điều khiển truy cập và tuỳ chỉnh hợp nhất có
thể được thêm vào tầng này để hỗ trợ tầng ứng dụng trên cao tốt
hơn.
ForkBase loại bỏ nội dung trùng lặp ở mức dữ liệu phần nhỏ. So với
các phương pháp loại bỏ trùng lặp dữ liệu khác, ví dụ như ở trong hệ
thống tập tin loại bỏ trùng lặp dựa trên dữ liệu lớn và coi nội dung
như là dữ liệu không cấu trúc, ForkBase dựa vào nội dung dữ liệu
để chia ra nhiều phần nhỏ. Ví dụ như một dữ liệu danh sách sẽ được
chia nhỏ ở ranh giới các mục. Bằng cách dựa vào cấu trúc dữ liệu, cả
hiệu suất cập nhật và loại bỏ trùng lặp trở nên tốt hơn.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 3
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
ForkBase chống làm giả dữ liệu kể cả khi người cung cấp kho lưu trữ
tấn công. Dùng một số phiên bản, ứng dụng có thể lấy được dữ liệu
tương ứng từ kho lưu trữ và có thể kiểm chứng ngay được nếu như
dữ liệu hoặc lịch sử dữ liệu đã bị thay đổi. Tất cả dữ liệu lưu trong
ForkBase đều có đặc tính này (chống làm giả), do đó hỗ trợ hiệu
quả việc xây dựng mô hình dữ liệu cho blockchain. Cụ thể là các
cấu trúc dữ liệu quan trọng trong blockchain được xây dựng trên
ForkBase trở nên dễ duy trì hơn mà không cần phát sinh chi phí nào.
Hơn nữa, dữ liệu có cấu trúc phong phú hỗ trợ bởi ForkBase làm cho
blockchain sẵn sàng hơn cho việc phân tích.
3.3.2 Xây Dựng Blockchain Trên Nền ForkBase
Hình 6 - Cấu trúc dữ liệu mặc định trong Hyperledger
State_Hash
prev_hash Txns
Block
State Delta State
Merkle Tree
Contract ID Key Value
KV Store
Blockchain
Internal Structure
Rocksdb
Hình 7 - Cấu trúc dữ liệu của Hyperledger trên ForkBase
FID
prev_hash Txns
Block
Blockchain
Contract IDMap
KeyMap
Data (Blob) Data (Blob)Data (Blob)
kho lưu trữ.
Phát triển một blockchain với ForkBase trở nên dễ dàng vì kho lưu
trữ này cung cấp cấu trúc dữ liệu blockchain. Hình 7 mô tả cách
dùng ForkBase để phát triển cấu trúc dữ liệu cho Hyperledger. Đều
đặc biệt ở đây là cấu trúc FObject được dùng để mô tả toàn diện cấu
trúc của khối và trạng thái blockchain. Chúng tôi thay cây Merkle và
trạng thái delta bằng cấu trúc Map hai tầng. Giá trị băm của trạng
thái được thay thế bởi số phiên bản trên nền Map thứ nhất. Cấu trúc
Map này bao gồm khoá-dữ liệu trong đó khoá là định danh của hợp
đồng thông minh, và dữ liệu là số phiên bản của tầng Map thứ hai.
Tầng thứ hai này bao gồm khoá-dữ liệu trong đó khoá là khoá của
dữ liệu gốc, và dữ liệu là số phiên bản của cấu trúc Blob có chứa giá
trị của trạng thái.
Lợi ích đầu tiên của phương pháp này là sự đơn giản trong bảo quản
lịch sử dữ liệu. Cụ thể là chỉ 18 dòng mã dùng Forkbase có thể thay
thế toàn bộ 1918 dòng mã trong Hyperledger gốc. Một lợi ích khác
là việc dữ liệu trở nên sẵn sàng cho phân tích. Cho truy vấn quét
trạng thái, chúng tôi chỉ việc đi theo số phiên bản lưu trong khối
gần nhất để lấy được cấu trúc Blob gần nhất có lưu khoá yêu cầu. Từ
đó, chúng tôi đi theo số phiên bản gốc để lấy được giá trị trước đó.
Cho truy vấn quét khối, chúng tôi đi theo số phiên bản lưu trong
khối yêu cầu để lấy được cấu trúc Map trên tầng thứ hai. Sau đó
chúng tôi lấy ra tất cả các khối dữ liệu ở trong cấu trúc Blob tương
ứng.
3.4 Trí Tuệ Nhân Tạo
Với việc dữ liệu cả đời của bệnh nhân ở nhiều tổ chức khác nhau
được cung ứng bởi blockchain, phân tích sâu có thể được tiến hành
trên mọi bệnh nhân nhờ vào nền phân tích y tế của chúng tôi được
gọi là GEMINI.
Có rất nhiều ứng dụng cho trí tuệ nhân tạo trong y tế có thể được
phát triển trên GEMINI. Các công cụ từ bệnh viện thông minh, huấn
luyện viên y tế bằng AI, cho đến y tế chính xác đều có thể được phát
triển nhờ vào tính năng bảo mật của ForkBase. Mỗi khi bệnh nhân
nộp hồ sơ y tế để được phân tích bởi các công cụ này, họ sẽ yên tâm
rằng dữ liệu sẽ được bảo mật và làm ẩn danh, với quản lí truy cập
đúng đắn mà bệnh nhân có thể điều khiển được.
Chúng tôi dùng một phiên bản sửa đổi của Hyperledger làm ví dụ để
cho thấy ForkBase có thể làm đơn giản hoá việc xây dựng blockchain
cũng như cung ứng các đặc tính hữu ích cho ứng dụng.
Hình 6 miêu tả cấu trúc dữ liệu gốc của Hyperledger. Trạng thái dữ
liệu được bảo vệ bởi cây Merkle: bất cứ sửa đổi nào cũng sẽ tạo nên
một cây mới, các giá trị cũ và cây cũ vẫn được lưu lại trong một cấu
trúc khác gọi là trạng thái delta. Một giao dịch blockchain có thể đọc
hoặc viết (khóa-dữ liệu) vào trạng thái này. Chỉ có giao dịch cập nhật
được ghi lại trong blockchain. Yêu cầu đọc lấy dữ liệu trực tiếp ra từ
kho lưu trữ, trong khi ghi được đệm lại trong cấu trúc dữ liệu tạm
trong bộ nhớ. Hệ thống sẽ gộp nhiều giao dịch lại, rồi đưa ra yêu cầu
cam kết khi có đủ số giao dịch hoặc sau một thời gian nhất định. Yêu
cầu cam kết đầu tiên sẽ tạo ra cây Merkle mới, sau đó tạo trạng thái
delta và khối mới, và cuối cùng là ghi tất cả thông tin cập nhật vào
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 4
0 3 C Ô N G N G H Ệ G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Nền tảng tích hợp thông tin và phân tích dữ liệu y khoa (gọi tắt là
GEMINI) có thể được nới rộng, rất hiệu quả và dễ sử dụng8. Khi dữ
liệu gốc được đưa vào GEMINI, phần mềm tích hợp và làm sạch dữ
liệu (gọi tắt là DICE) sẽ rửa dữ liệu cho đúng. DICE sử dụng nền tảng
phân tích đám đông (CDAS)9 do chúng tôi phát triển nhằm chọn lựa
câu hỏi tốt nhất để hỏi bác sĩ nhằm cải tiến chất lượng của dữ liệu. Ở
bước tiếp theo, dữ liệu sạch được cho vào nền tảng phân tích dữ liệu
đám mây có tính đàn hồi và tiết kiệm năng lượng với tên gọi epiC10.
Nền tảng xử lí dữ liệu lớn này lấy ra thông tin bệnh nhân và các đặc
tính khác để cho vào bước phân tích tiếp theo. Hệ thống biến đổi
hồ sơ y tế điện tử (EMR-T) được dùng để thay đổi dữ liệu vào định
dạng phù hợp với hệ thống máy học sâu11,12. Đầu ra của EMR-T được
nhập vào SINGA, hệ thống máy học sâu do chúng tôi phát triển cho
phân tích sâu13. Như trong hình 8, công cụ Gaussian Mixture (GM)
Regularisation tương tác với mô hình máy học sâu ở trên SINGA14.
Cùng lúc đó, dữ liệu được nhập vào COHANA để phân tích nhóm15. Ở
bước cuối cùng, chúng tôi sử dụng công cụ phân tích dữ liệu tương
tác (iDat) để hình dung hoá kết quả phân tích.
Hình 8 - Tổng quan nền tảng phân tích y tế GEMINI
GEMINI có thể được triển khai ở chế độ hộp cát, trong đó chạy máy
ảo để xây dựng và kiểm tra mô hình với dữ liệu gốc, nhưng hạn chế
chuyển giao dữ liệu ra ngoài.
MediLOT sẽ có hai tầng bảo mật cho GEMINI:
1. Tầng quản trị - chỉ có tổ chức được công nhận hoặc nhà nghiên
cứu với chứng nhận luân lý học mới được tham gia vào GEMINI.
2. Quản lý và theo dõi quyền truy cập: Hạn chế băng thông và
theo dõi hoạt động của người dùng để nhận ra các hoạt động
đáng ngờ về dữ liệu.
Tổ chức nào muốn truy cập vào hộp cát phải đặt cược theo phương
pháp được liệt kê sau đây.
Cấu trúc phần mềm của MediLOT cho phép mô phỏng dự đoán và cá
nhân hoá hồ sơ rủi ro và phương pháp điều trị cho từng bệnh nhân –
thực sự mở cửa cho cá nhân hoá y học.
8 C. Lee, Z. Luo, K.Y. Ngiam, M. Zhang, K. Zheng, G. Chen, B.C. Ooi and W.L.J. Yip. Big Healthcare Data Analytics: Challenges and Applications , Handbook of Large-Scale Distributed
Computing in Smart Healthcare, Springer-Verlag, 20169 X. Liu, M. Lu, B. C. Ooi, Y. Shen, S. Wu, M. Zhang: CDAS: A Crowdsourcing Data Analytics System Int ’l Conference on Very Large Data Bases (VLDB), PVLDB 5(10):1040-1051, 2012. 10 D. Jiang, S. Wu, G. Chen, B.C. Ooi, K.-L. Tan, J. Xu: epiC: epiC: an extensible and scalable system for processing Big Data. VLDB Journal- Special issue of VLDB’14 best papers, 2015. 11 K. Zheng, J. Gao, K. Y. Ngiam, B. C. Ooi and W.L.J. Yip: Resolving the Bias in Electronic Medical Records. ACM KDD, 2017. 12 K. Zheng, W. Wang, J. Gao, K.Y. Ngiam, B.C. Ooi and W.L.J. Yip: Capturing Feature-Level Irregularity in Disease Progression Modeling. CIKM 2017. 13 W. Wang, G. Chen, T. T. A. Dinh, J. Gao, B. C. Ooi, K.-L.Tan, S. Wang. SINGA: Putting Deep Learning in the Hands of Multimedia Users. ACM Multimedia 2015.14 Z. Luo, S. Cai, J. Gao, M. Zhang, K.Y. Ngiam, G.Chen and W. Lee. IEEE International Conference on Data Engineering (ICDE), 2018.15 D. Jiang, Q. Cai, G. Chen, H. Jagadish, B. C. Ooi, K. L. Tan, A. Tung: Cohort Query Processing. Int ’ l Conference on Very Large Data Bases (VLDB), 2017.
Ứng dụng
Chuỗi phân tích dữ liệu
Dữ liệu gốc
Cơ sở hạ tầng
ForkBaseKho dữ liệu ngữ nghĩa linh hoạt
Cụm máy CPU-GPU
+
Cộng đồng hoá
Phân tích nhómXử liệu dữ liệu lớn
Y tế
CDAS
DICE CohAna
Hình ảnh hoá
iDat
Chính quy hoá
GM Reg
Chuyển đổi dữ liệu y tế điện tử
EMR-T
Tích hợp dữ liệu
epiC
Máy học/ Học sâu
SINGA
Ngược lại, nền tảng này cho phép các nhà nghiên cứu chính thống
được sử dụng dữ liệu một cách hiệu quả để xây dựng công nghệ AI
mới nhằm thay đổi bộ mặt của y học. Làm việc với các bệnh viện,
công cụ như là dự đoán nhập viện lại, mô hình tiến triển bệnh và y
học chính xác có thể được nới rộng ra rất nhiều. Phương án này là
khả thi nhờ dữ liệu thời gian thực có sẵn để đào tạo mô hình máy
học sâu. Lợi ích của việc tăng hiệu suất của bệnh viện và điều trị ưu
tiên, cũng như cải tiến an toàn cho bệnh nhân qua công nghệ này là
vô cùng có giá trị và hữu ích.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 5
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Nền tảng và hệ sinh thái MediLOT tận dụng token LOT – một loại token kiểu ERC20. Giá trị của token được kết nối
với việc nhận và phát triển của nền tảng MediLOT. Token LOT cung cấp cho bệnh nhân, bệnh viện, nhà nghiên cứu
và công ty bảo hiểm một cách để truy cập nền tảng MediLOT để tạo ra giá trị cho mỗi bên. Dưới đây là tóm lược
cách mỗi bên có thể hưởng đặt cược hoặc sử dụng LOT để tương tác với nền tảng.
TO K E N LOT0 4
Nền MediLOT(GEMINI Sandbox)
Nhà phát triển/ Nhà cung cấp dịch vụ
Nhà nghiên cứu
Chính phủ
Bệnh viện/tổ chức đối tác
Truy cập ứng dụng
Nhận phân tích
Bệnh nhân Đóng góp dữ liệu
Đăng kí vào nền tảng
Tận dụng dữ liệu
Phát triển ứng dụng
Đặt cọc LOT: LOT được gửi tới hợp đồng thông minh và giữ để
khuyến khích hành vi tốtNhận lot: lot được chuyển tới người đóng góp dữ liệu
Đóng góp lot: lot được tận dụng triệt để
Legend:
4.1 Thị Trường Dữ Liệu Sức Khỏe
Các dịch vụ phân tích: Bệnh nhân có thể yêu cầu báo cáo sức khỏe
cá nhân và dữ liệu từ MediLOT qua giao dịch trên LOT.
Sử dụng ứng dụng: Bệnh nhân sẽ phải sử dụng LOT để truy cập vào
các ứng dụng được các lập trình viên cộng đồng phát triển trên nền
tảng MediLOT. LOT cũng có thể được sử dụng như một hình thức
thanh toán cho việc khám bệnh từ xa với MediLOT đóng vai trò như
một giao kèo cho token LOT cho tới khi việc khám bệnh kết thúc.
Kiếm LOT: Bệnh nhân có thể kiếm LOT qua hai cơ chế:
1. Đóng góp dữ liệu: Bệnh nhân có thể kiếm LOT bằng cách đóng
góp dữ liệu sức khỏe quý giá cho nền tảng MediLOT để phân
tích – họ được chọn loại dữ liệu họ muốn đóng góp và hạn chế
thời gian cho việc đóng góp dữ liệu.s
2. Tính tuân thủ: Các cơ sở y tế có thể thưởng cho bệnh nhân
tuân thủ theo token LOT, ví dụ, bởi bệnh nhân không lỡ hẹn,
hay hoàn thành một kế hoạch điều trị.
Hợp tác bán lẻ: để hỗ trợ một hệ sinh thái phong phú nơi bệnh
nhân có thể tận dụng token LOT – chúng tôi dự định thiết lập hợp
tác với các đối tác y tế như hãng dược và các công ty dinh dưỡng để
chấp nhận token LOT như một phương thức thanh toán.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 6
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
4.2 Dịch vụ phân tích
Truy cập GEMINI: Các tổ chức quan tâm sẽ có thể truy cập kho tang
dữ liệu trên nền tảng MediLOT qua hộp cát GEMINI. Các tổ chức phát
triển các mô hình và thuật toán hữu dụng có quyền sở hữu và chúng
và có thể sử dụng theo cách họ muốn.
Để truy cập hộp cát GEMINI, các tổ chức sẽ phải đặt cược một số
token LOT nhất định. Điều này để đảm bảo rằng tất cả các tổ chức
hoạt động có đạo đức và tuân theo các điều kiện sử dụng hộp cát.
Nếu không, các tổ chức này sẽ bị mất token.
Số lượng token LOT đặt cược sẽ định rõ bao nhiêu băng thông, quy
mô và kiểu dữ liệu được truy cập. Ví dụ:
1. Bậc 1: 500,000 LOT – được truy cập tối đa 50,000 hồ sơ khám
bệnh của các loại bệnh kinh niên ở địa phương.
2. Bậc 2: 800, 000 LOT – được truy cập tối đa 50,000 hồ sơ khám
bệnh ung thư của địa phương.
3. Bậc 3: 1, 000, 000 LOT – được truy cập tối đa 100,000 hồ sơ khám
bệnh ung thư của cả vùng.
Ngoài đặt cược, các tổ chức phải đóng góp token LOT để có thể sử
dụng dữ liệu, với phần mức xác định bởi quy mô và kiểu dữ liệu.
LOT đã đóng góp sẽ được phân cho 3 nhóm:
1. Các bệnh nhân đã đóng góp dữ liệu – 30%
2. Bệnh viện – 40%
3. MediLOT – 30%
4.3 Người phát triển
Phát triển ứng dụng: Đặt cược LOT là bắt buộc trong khi phát triển
và đưa vào hoạt động ứng dụng trên MediLOT, nhằm mục đích đảm
bảo người phát triển tuân thủ theo quy tắc ứng xử trong khi sử dụng
nền tảng.
Phần thưởng cộng đồng: Để khuyến khích xây dựng cộng đồng, sẽ
có phần thưởng cho phát hiện lỗi và đóng góp phát, cùng với các sự
kiện cộng đồng và các cuộc thi dành cho các nhà phát triển.
0 4 T O K E N L O T
4.4 Đối tác bệnh viện và các tổ chức
Đặt cược theo tổ chức: Các cơ quan y tế hoặc tổ chức muốn tham gia
vào nền tảng MediLOT sẽ phải đặt cược token LOT để đảm bảo rằng
họ sẽ hoạt động một cách trung thực và thông qua các giao dịch
như các mấu chốt quan trọng. Hình phạt sẽ được đưa ra cho việc
đặt cược token LOT nếu một tổ chức bị phát hiện gian dối hay hoạt
động không có thiện ý. Token LOT được phát hành theo từng phần,
áp dụng cơ chế thưởng và trung thành.
Các đối tác ban đầu sẽ nhận phần thưởng là token LOT đặt cược
trong khi những đối tác đến sau có thể truy cập bằng việc đặt cược
token LOT.
4.5 Khuyến Khích Sử Dụng LOT
Để khuyến khích việc sử dụng token LOT, người dùng chi trả phí
dịch vụ trên nền tảng MediLOT bằng token LOT sẽ được giảm giá. Ví
dụ, cơ chế token là đơn giản, và người dùng không phải mua token
LOT từ sàn giao dịch trong khi vẫn được hưởng lợi từ hệ sinh thái.
LOT được lưu trong ví có thể được truy cập qua ứng dụng điện thoại
hoặc trang web và nếu muốn, mã QR có thể được cung cấp và in ra –
để tạo một ví cứng.
Trong giai đoạn đầu, những tổ chức không muốn đặt cược LOT có
thể đặt cọc một loại tiền pháp định coi như là tiền đặt cọc. Khoản
đặt cọc này sẽ không được hưởng giảm giá như những người đặt cọc
LOT được nhận.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 7
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
0 4 T O K E N L O T
4.6 Phân phối chi phí cho chia sẻ dữ liệu
Dòng chảy LOT Dòng chảy dữ liệuLegend:
Giữ lại 30%
Nền MediLOT(GEMINI Sandbox)
$24,000 USD (30%)
Người yêu cầu dữ liệu(Dược, Nghiên cứu, Bảo hiểm, Chính phủ)
Bệnh viện
Bệnh nhân
Bệnh nhân
Đóng góp LOT
Nhận 30%
Nhận 40%
Nhận thông tin sâu sắc
Đóng góp dữ liệu
Đóng góp dữ liệu
Ví dụ, người yêu cầu dữ liệu là một công ty dược, đề nghị trả LOT token tương đương với $80,000 đô la
Mỹ để có thể truy cập dữ liệu bệnh viện gồm 1,000 bệnh nhân, với phân bổ chi phí như sau:
: $32,000 USD (40%)
Bệnh viện
: $24,000 USD (30%)
MediLOT
:
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 8
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
LỢ I ÍCH0 5
5.1 Bệnh nhân
MediLOT giúp bệnh nhân có thể truy cập toàn bộ dữ liệu y tế của họ
một cách dễ dàng, ở bất cứ đâu. Thậm chí ở một cơ sở không nằm
trong hệ thống MediLOT, bệnh nhân vẫn có thể truy cập EHR của
mình qua thiết bị di động hoặc trang web khách hàng. Điều này
làm giảm thiểu sai sót y tế và chi phí hành chính, giúp ích cho nhiều
người và tiết kiệm hàng triệu đô la.
Bệnh nhân cũng có quyền trực tiếp kiểm soát dữ liệu y tế của mình,
và thoải mái lựa chọn cách mỗi dữ liệu được sử dụng - họ có thể
cho phép các nhà nghiên cứu hay bảo hiểm một khoản thời gian
giới hạn để truy cập một số phần dữ liệu của họ và được bồi thường
bằng token LOT. Việc kiểm soát đồng thuận truy cập nghĩa là bệnh
nhân có thể kiểm soát chính xác ai có thể xem và chỉnh sửa các
thông tin sức khỏe tế nhị của họ.
Việc xác nhận dữ liệu dễ dàng truy cập cho phép bệnh nhân gửi yêu
cầu bồi thường bảo hiểm trực tiếp tới công ty bảo hiểm, tránh được
quá trình rườm rà truyền thống. Chi tiết hạng mục bảo hiểm được
lưu trên blockchain, giúp cả bệnh nhân và y bác sĩ nhận rõ về hạn
mức và số lượng của các hạng mục. Điều này giúp quá trình quyết
định được nhanh và đầy đủ thông tin hơn.
Cá nhân hoá điều trị và các dịch vụ phân tích cho phép bệnh nhân
được điều trị theo kế hoạch riêng, được khuyên thay đổi sinh hoạt
theo tình trạng riêng, và thậm chí có báo cáo dự đoán nhắc nhở họ
ghi nhớ các triệu chứng hay dấu hiệu bệnh tật mà họ dễ mắc phải.
Tóm lại, MediLOT tạo ra một thế hệ hệ sinh thái y tế mới, tích hợp cả
chia sẻ dữ liệu và dự đoán cũng như cá nhân hoá y tế.
5.2 Nhà Cung Cấp Dịch Vụ Chăm Sóc Sức Khỏe
Với dữ liệu sức khoẻ đầy đủ, sai sót y tế được giảm thiểu và y bác sĩ
sẽ không phải bực mình khi phải thống nhất lịch sử bệnh án một
cách thủ công hay đối phó với việc mất dữ liệu y tế.
Khả năng phân tích cao cấp nghĩa là y bác sĩ có thể lên kế hoạch
điều trị theo ý bệnh nhân nhiều hơn, và có khả năng đưa ra quyết
định trong tầm tay dựa trên bằng chứng, cho phép việc quản lý điều
kiện của bệnh nhân kĩ càng và đúng mục tiêu hơn.
Nguồn gốc dữ liệu rõ ràng và tính năng xác minh cũng cho phép y
bác sĩ dễ dàng nhận điều trị từ xa hơn, giảm quả tải phòng bệnh và
gánh nặng y tế.
5.3 Các Tổ Chức Y Tế
Các tổ chức y tế, cả công và tư, sẽ giảm được chi phí, tăng hiệu quả
và giảm thiểu các sự kiện y tế. Đưa nền tảng MediLOT vào hoạt động
cho phép các tổ chức tra cứu chính xác nhân khẩu học bệnh nhân
cũng như việc kiểm soát bệnh dịch.
Các cơ quan y tế cộng đồng như Trung Tâm Kiểm Soát và Phòng
Ngừa Bệnh Dịch (CDC) ở Hoa Kỳ hay Bộ Y Tế ở các nước khác sẽ có
khả năng truy cập dữ liệu có cấu trúc, giúp kiểm soát dịch bệnh tự
động một cách hiệu quả, giúp họ phản ứng nhanh hơn với những
dịch bệnh truyền nhiễm, hay có kế hoạch tốt hơn cho các điều kiện
sức khỏe mãn tính.
Token LOT khuyến khích bệnh nhân không bỏ hay trễ lịch hẹn, hoặc
tuân theo kế hoạch điều trị, các tổ chức có thể cắt giảm chi phí hành
chính và nhân lực do bệnh nhân vắng mặt hay từ chối điều trị. Hệ
thống này rất dễ được nới rộng và sẽ có ảnh hưởng sâu sắc đến toàn
xã hội.
5.4 Công Ty Bảo Hiểm Và Nhà Nghiên Cứu
Các công ty Bảo Hiểm có thể mua dữ liệu sức khỏe ẩn danh trực tiếp
từ bệnh nhân sử dụng token LOT - không cần qua bất cứ bên trung
gian nào. Điều này khiến cho việc căn chỉnh các gói bảo hiểm sức
khỏe được tốt hơn, và giúp ích cho việc đánh giá bồi thường. Các
ứng dụng xây dựng trên nền tảng MediLOT cũng có thể tạo hợp
đồng thông minh trung gian cho việc thanh toán gói bảo hiểm hay
quá trình đòi bồi thường - giảm thiểu chi phí hành chính cho công ty
bảo hiểm.
Tương tự, các nhà nghiên cứu cũng có thể trực tiếp truy cập dữ liệu
sức khỏe, cho phép bệnh nhân tự quyết định chương trình nào họ
muốn đăng ký tham gia. Các nhà nghiên cứu có thể làm việc trên dữ
liệu MediLOT có cấu trúc và được xác minh – giúp hạn chế việc phải
quét dữ liệu diện rộng.
5.5 Các Nhà Phát Triển và Cung Cấp Dịch Vụ
Các nhà phát triển từ các tổ chức y tế, công ty bảo hiểm và cơ quan
nghiên cứu được hoan nghênh phát triển ứng dụng trên nền tảng
MediLOT, vốn thoải mái cung cấp APIs để họ có thể triển khai.
Những ứng dụng này có thể hoặc sử dụng kho dữ liệu của chính
MediLOT hoặc lấy dữ liệu trực tiếp từ bệnh nhân. Việc phân tích dữ
liệu và nền AI của GEMINI cũng được cung cấp cho nhà phát triển sử
dụng với chi phí nhỏ ở dạng token LOT.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 1 9
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
6.1 Bệnh nhân
Sự tiện lợi của điều trị cá nhân và phân tích dữ liệu y khoa đem đến
cho bệnh nhân sẽ khuyến khích họ tham gia vào hệ thống MediLOT
- nếu không họ sẽ không thể xem được dữ liệu của chính mình. Bệnh
nhân nào không quen hoặc không muốn sử dụng token sẽ không bị
bắt phải dùng token - do đó giao diện người dùng của bệnh nhân
trở nên đơn giản và ngắn gọn, giúp họ truy cập báo cáo sức khoẻ mà
không cần dùng token. Chế độ nâng cao cho bệnh nhân nào muốn
tham gia vào hệ sinh thái token cũng có săn, và bệnh nhân muốn
dùng các ứng dụng này sẽ được cấp thẻ có mã QR để dùng như là ví
tạm thời cho LOT token.
Một số mục tiêu sẽ được biến thành trò chơi (thưởng bằng token) sẽ
khuyến khích bệnh nhân lưu lại nền tảng này, tuân thủ theo phương
pháp điều trị và đóng góp dữ liệu. Cá chương trình tiếp cận cộng
đồng sẽ được phát triển để tăng nhận thức về nền tảng và giáo dục
bệnh nhân về các lợi ích khi sử dụng.
6.2 Bệnh Viện, Các Tổ Chức Chăm Sóc Sức Khỏe, Nhà Nghiên Cứu và Đơn Vị Kinh Doanh.
Các thành viên MediLOT đã đang làm việc hăng hái với các bệnh
viện và tổ chức để giới thiệu khả năng của nền tảng và đã nhận được
rất nhiều phản hồi tích cực. Sức hút ở việc bảo mật dữ liệu và quyền
kiểm soát cho bệnh nhân cũng như việc truy cập vào kho dữ liệu
sạch được xác thực cho mục đích nghiên cứu là không thể phủ nhận.
Một khi ở trong nền tảng MediLOT, sẽ có thể truy cập vào hộp cát
GEMINI. Từ đó, bệnh viện có thể bắt tay vào hợp tác nghiên cứu với
các đơn vị kinh doanh hay các tổ chức nghiên cứu. MediLOT cũng
tìm kiếm cơ hội nghiên cứu với các đối tác thích hợp để phát triển
các mô hình dự đoán và thuật toán mới.
CH IẾ N LƯỢC G IỚ I TH IỆU VÀ TR IỂ N K HAI
0 6
Hệ thống EHR truyền thống rất đắt đỏ: ví dụ như phí phát triển hệ thống EHR quốc gia Singapore (cho 5 triệu người)
tốn hơn 1 tỉ đô la Singapore. Ở các nước lớn hơn, chi phí này còn cao hơn nhiều. Điều này cùng với những tồn đọng
của EHR truyền thống như đã đề cập sẽ khuyến khích lựa chọn nền tảng MediLOT với sự hiệu quả, mạnh mẽ và tối ưu
cho tương lai.
Các bệnh viện đang hợp tác với MediLOT bao gồm hệ thống Bệnh
Viện Đại Học Quốc Gia Singapore, Trung Tâm Điều Trị Từ Xa ở tỉnh
Sơn Đông (thuộc Bệnh Viện tỉnh Sơn Đông), Đại học Đông Y Triết
Giang Liên Kết với Bệnh viện Giang Nam, Trung Quốc, và Bệnh viện
Kingcome Thâm Quyến, và sẽ còn nhiều đơn vị khác.
Trong khi hệ thống EHR Nam Á đang trong giai đoạn trứng nước,
có thể thấy đây là thị trường tiềm năng lớn chưa được khai thác –
MediLOT có thể được xây dựng với nhiều loại hệ thống EHR ở các
quốc gia như Myanmar, Indonesia, Việt Nam, tránh được nhiều vấn
đề truyền thống thường phải đối mặt ở các quốc gia có hệ thống
EHR cố định.
6.3 Nhà Phát Triển và Cung Cấp Dịch Vụ
Bởi nhà phát triển là những người góp phần tạo nên nền tảng
MediLOT, việc thu hút họ là điều cần thiết. Ngoài việc dễ dàng lấy
APIs để có thể tạo các ứng dụng trên nền tảng này, còn có thưởng
cộng đồng, thưởng cho ý tưởng và phát hiện lỗi, các sự kiện thúc
đẩy xây dựng cộng đồng như hackathon về sức khoẻ cũng đang
được lên kế hoạch. Những điều này nhằm để xây dựng một cộng
đồng phát triển mạnh mẽ, và từ đó mang lại đa dạng những ứng
dụng mà các cổ đông có thể sử dụng.
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 2 0
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Môi trường cạnh tranh
PHÂN TÍCH ĐỐI THỦ CẠNH TR ANH
Hệ thống y tế
điện tử hiện nayPatientory
(PTOY)MediBloc
(MED)MedicalChain
(MTN)MediLOT
(LOT)
Phân tích trí tuệ nhân tạo trong y tế
Mô hình phân tích đơn giản, ví
dụ như là logistic regression
Không Không Không
GEMINI – một nền tảng dùng trí tuệ nhân tạo để hỗ trợ cho việc chuẩn đoán dựa trên dữ liệu EHR, được kiểm chứng rộng rãi trong các cơ sở y tế.
Hơn 40 năm nhân sự
nghiên cứu về phân tích.
Tra hỏi về nguồn gốc dữ liệu
Không thể (hệ thống EHR rời
rạc)Quét tổng thể Quét tổng thể Quét tổng thể
Thu nạp thông tin định hướng từ ngữ mà không làm xảy ra tình trạng dư thừa lưu trữ
Thiết kế Blockchain
Không phải blockchain (cơ sở dữ liệu tập
trung)
Ethereum kín QTUM mở Chuỗi képChuỗi kép với tính tương thích cao: Hyperledger++ và Ethereum.
Người dùng kiểm soát dữ liệu
Không có Có Có Có Hỗn hợp kiểm soát nhỏ và lớn
Lô trinh
Lắp đặt testnet trong bệnh viện
Q 3 2 0 1 9 Mainnet thử nghiệm
trong phòng k hám cộng đồng
Q 1 2 0 1 9 Hoàn thiện tích hợp
ForkBase
Q 2 2 0 1 9
Giới hạn Mainnet với tính năng cơ bản trong một khu vực địa lý
Bản thử nghiệm GEMINI
Đưa Mainnet vào hoạt động ở Singapore
Mainnet ở châu Á
Q 1 2 0 2 0 Q 2 2 0 2 0
Q 4 2 0 2 0 Q 2 2 0 2 1
A S I A
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 2 1
Token bán đợt hai nhằm mở rộng thị trường ra bên ngoài châu Á (dự kiến từ quý 4 2020 đến quý 1 2021)
0 7
20% 10%30%* 20% 15% 5%
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 2 2
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
Sáng lập viên
Giáo sư Ooi Beng Chin Hôi viên FIEEE, FACMGiáo Sư Ưu Tú, Trường ĐH Quốc Gia NUSGiám đốc, Viện nghiên cứu Smart Systems, NUSGiáo Sư Chang Jiang, Trường ĐH Chiết Giang, Trung HoaGiám Đốc, Trung Tâm sáng chế và Thương Mại Hóa trí tuệ nhân tạo NUSHội viên Học Viện Khoa Học Quốc Gia Singapore
Bác sĩ Ngiam Kee YuanTrưởng phòng Kĩ thuật, Hệ thống bệnh viện ĐH Quốc Gia
Singapore NUH
Giáo Sư, Khoa Ngoại
Giám đốc, Nghiên cứu và Phát triển ngoại khoa
Giải thưởng/Chuyên môn
- Giải thưởng cống hiến đặc biệt của hiệp hội máy tính hải ngoại Trung Hoa 2016- Giải thưởng khoa học của thủ tướng Singapore 2011
Giải thưởng/Chuyên môn
- Giải thưởng ghi nhận đặc biệt, NUS 2015
- Giải thưởng của hội viên nghiên cứu ExxonMobil-NUS
2007
Bác sĩ Marcus TanGiảng viên Y khoa, NUS
Bác sĩ, MBBS(Singapore), MMed(Ophth)
TS. Zhang Jiangwei
Nghiên cứu sinh Tiến sĩ, ĐH Quốc Gia Singapore NUS
Giáo Sư Zhang MeihuiGiáo Sư , Học Viện Kỹ thuật Bắc Kinh
Giải thưởng/Chuyên môn
- Diễn giả khách mời: Blockchain trong chăm sóc sức
khỏe (Hướng tới Sức Khỏe Quốc Tế)
- Diễn giả khách mời: tại Bộ Phát triển Thông Tin và
Truyền Thông (IMDA) – về Blockchain Giải thưởng
- Giải Thưởng Nhà Giáo Trẻ, YLLSOM 2017
Giải thưởng/Chuyên môn
- Data Generation and Analytics
Giải thưởng/Chuyên môn
- Đạt giải trong chương trình Một Nghìn Tài Năng Trẻ
2018
- Phân tích dữ liệu lớn Big Data
Phó Giáo Sư Xiao XiaokuiPhó Giáo Sư, ĐH Quốc Gia Singapore NUS
TS. Cai Qingchao Nghiên cứu cấp cao, ĐH Quốc Gia Singapore NUS
Giáo Sư Zhang Dongxiang Giáo Sư, ĐH Khoa Học và Kỹ Thuật Điện Tử Trung Quốc
TS. Dinh Tien Tuan Anh Nghiên cứu cấp cao, ĐH Quốc Gia Singapore NUS
Giải thưởng/Chuyên môn
- Giải thưởng Nhà Khoa Học trẻ về Vật lý/Toán 2009- Data Privacy and Security
Giải thưởng/Chuyên môn
- Distributed Systems
- Big Data Processing
Giải thưởng/Chuyên môn
- Query Optimization
- Artificial Intelligence
Giải thưởng/Chuyên môn
- System Security
Thành viên
G IỚ I TH IỆU THÀN H VIÊ N ĐỘ I M E D ILOT
TS. Andreea Costea Nghiên cứu, ĐH Quốc Gia Singapore NUS
TS. Dumitrel Loghin Nghiên cứu, ĐH Quốc Gia Singapore NUS
Giải thưởng/Chuyên môn
- Software Verification of Critical Code (Mainly Safety
and Correctness Properties)
- Language Design
- Formalization of Distributed Systems
Giải thưởng/Chuyên môn
- Giải thưởng nghiên cứu sinh xuất sắc của trường năm 2017
- Computer Systems Performance Analysis
- Parallel and Distributed Systems, Low-power ARM-based
Systems, GPUs
- Big Data Analytics
0 8
Nghiêm tin và bảo mật. Điều kiện và chi tiết ở đây chỉ là sơ bộ và không được dùng làm điều khoản buôn bán. 2 3
G I A O T H Ứ C D Ữ L I Ệ U S Ứ C K H Ỏ E
2 0 1 8
C Á C C Ộ N G T Á C V I Ê N
Cố vấn
Phó Giáo Sư James Yip Trưởng ban Khoa học thông tin Y tế, bệnh viện Đại Học Quốc Gia Singapore NUHSPhó Giáo Sư Khoa Y, Trường Y Yong Loo Lin, Đại Học Quốc Gia Singapore NUSCố vấn cấp cao, Khoa Tim Mạch, Trường NUHCS, Bằng cấp
MBBS, MRCP(UK), FAMS
Ooi Gene YanĐồng sáng lập, traceto.io
Đồng sáng lập, Shentilium Technologies
Phan Vee Leung, CFA
Giám đốc đầu tư, Trackrecord Asia
Cựu Trưởng bộ phận Giao dịch Tiền tệ ngoại hối Châu Á
và Lãi Suất tại Morgan Stanley
TS. Lin Qian Nghiên cứu, ĐH Quốc Gia Singapore NUS
Luo Zhaojing
Nghiên cứu sinh Tiến Sĩ, ĐH Quốc Gia Singapore NUS
Tan Cheng
Nghiên cứu sinh Tiến Sĩ, ĐH Quốc Gia Singapore NUS
Zheng Kaiping Nghiên cứu sinh Tiến Sĩ, ĐH Quốc Gia Singapore NUS
TS. Wang Sheng Nghiên cứu, ĐH Quốc Gia Singapore NUS
Ruan Pingcheng
Nghiên cứu sinh Tiến Sĩ, ĐH Quốc Gia Singapore NUS
Xie Zhongle
Nghiên cứu sinh Tiến Sĩ, ĐH Quốc Gia Singapore NUS
Zhou Xuxuan
Nghiên cứu sinh Tiến Sĩ, ĐH Trung Hoa Hồng Kông
Giải thưởng/Chuyên môn
- Distributed Systems
- Real-time Data Processing
Giải thưởng/Chuyên môn
- Healthcare Data Analytics
- Machine Learning/Deep Learning Regularization
Giải thưởng/Chuyên môn
- Many-core Architectures
- Power Management
Giải thưởng/Chuyên môn
- Healthcare Data Analytics
Giải thưởng/Chuyên môn
- Database Engines
- Distributed Systems
- AI Platforms
Giải thưởng/Chuyên môn
- Blockchain Systems
- Data Provenance Analysis
Giải thưởng/Chuyên môn
- Query Processing
- Indexing
Giải thưởng/Chuyên môn
- Blockchain
- Database Systems
- Database Systems
- Distributed System
- Deep learning with
Hardware Accelerators
- ACM/ICPC World Finalist- Apache Committer
Wang Ping Giám đốc điều hành, Infinitt Healthcare China
Infinitt là công ty hàng đầu trong lĩnh vực công nghệ y
tế hoạt động tại 44 quốc gia và hơn 3500 cơ sở chăm sóc