Een medische organisatie slaat klinische dossiers op die PII en PHI bevatten. Een ML-engineer moet ervoor zorgen dat noch PII, noch PHI wordt gebruikt voor modeltraining. Welke aanpak voldoet aan deze vereiste?

De correcte aanpak is het gebruik van Amazon Comprehend voor het detecteren en maskeren van PII, en Amazon Comprehend Medical voor het detecteren en maskeren van PHI. Amazon Comprehend is een natuurlijke taalverwerkingsdienst (NLP) die specifiek is ontworpen om PII te identificeren en te anonimiseren. Amazon Comprehend Medical is een gespecialiseerde NLP-dienst die medische tekst analyseert en PHI identificeert, zoals medische aandoeningen, medicatie en behandelingen, om deze vervolgens te kunnen maskeren. Deze combinatie zorgt voor een nauwkeurige en geautomatiseerde manier om zowel PII als PHI te verwijderen voordat de gegevens worden gebruikt voor modeltraining, wat cruciaal is voor privacy en compliance. Het opslaan in S3 en gebruiken van AWS Glue DataBrew voor maskering is een generieke optie die mogelijk niet de gespecialiseerde detectiecapaciteiten heeft voor medische PHI die Comprehend Medical biedt. Het laden in Amazon Redshift en gebruiken van SQL stored procedures is ook te algemeen en mist de geavanceerde NLP-mogelijkheden voor PII/PHI-detectie. Het versleutelen van PII en PHI met een Lambda-functie en opslaan in S3 voor training is onvoldoende, omdat versleuteling de gegevens niet anonimiseert; het model zou nog steeds toegang hebben tot de gevoelige informatie na ontsleuteling.