Blog

Довірені новини з 1995 року

Сервіс для професіоналів технологічної галузі
·
Вівторок, 10 грудня 2024 р

· 767 921 513 статей

· 3+ мільйони читачів

Короткий опис занурення:

• Snowflake заблокує та більше не дозволить клієнтам отримати доступ до свого середовища Snowflake за допомогою паролі однофакторної автентифікації до листопада 2025 року, повідомила компанія раніше цього місяця.
• Зміни в політиці набудуть чинності поетапно, впливаючи на вхід до контейнерів облікових записів, об’єктів користувачів, користувачів-людей і користувачів послуг протягом восьми місяців, починаючи з квітня 2025 року. Snowflake відмовився відповідати на запитання про впровадження багатофакторної автентифікації клієнтів або скільки клієнтів наразі отримують доступ до свого середовища за допомогою однофакторної автентифікації.
• «Наша мета — допомогти покращити рівень безпеки наших клієнтів, забезпечивши надійні параметри автентифікації та остаточно відмовившись від застарілих методів автентифікації — піднявши планку для галузі», — сказав у понеділок електронною поштою керівник CISO Snowflake Бред Джонс.

Дайв Інсайт:

Зміна політики паролів Snowflake почнеться через рік після хвиля атак вразила понад 100 середовищ клієнтів Snowflake які не були налаштовані за допомогою MFA.

Широко рекомендований контроль безпеки, головний принцип Агентства з кібербезпеки та безпеки інфраструктури добровільна забезпечена проектом заставаякий Сніжинка розписалася наприкінці липня.

МЗС був увімкнено за замовчуванням для всіх новостворених облікових записів Snowflake починаючи з жовтня.

Snowflake позиціонує нову політику автентифікації як частину своєї прихильності CISA щодо безпеки за проектом.

Вимоги автентифікації за замовчуванням відбуватимуться в три етапи:

• У квітні користувачі облікових записів без налаштованої політики автентифікації повинні будуть зареєструватися в MFA під час наступного входу в Snowflake за допомогою пароля.
• У серпні Snowflake вимагатиме MFA для всіх входів на основі пароля для користувачів, незалежно від будь-якої спеціальної політики автентифікації.
• До листопада Snowflake блокуватиме всі спроби входу в Snowflake на основі пароля за допомогою однофакторної автентифікації. Це вплине на всіх користувачів, які використовують інтерактивний вхід, і користувачів послуг, які використовують програмний доступ.

Snowflake сказав, що нова політика не застосовується до клієнтів, які використовують автентифікацію за допомогою пари ключів або користувачів єдиного входу, які використовують мову розмітки відкритого стандарту безпеки або OAuth.

Більшість подій автентифікації в Snowflake пов’язані з нелюдськими особами або програмним доступом, що не підходить для MFA. У компанії заявили, що клієнтам зазвичай потрібно до року, щоб повністю перевести керування життєвим циклом ідентифікації на більш надійний формат автентифікації облікових даних.

Маса атак на клієнтські середовища Snowflake із використанням викрадених облікових даних призвела до значного обсягу викрадених даних клієнтів і подальших спроб вимагання. А кібератака, спрямована на середовище Snowflake AT&T у квітні скомпрометував дані майже всіх клієнтів бездротового зв’язку провайдера зв’язку.

До липня постачальник хмарних сховищ даних встановив нову політику безпеки, щоб дозволити адміністраторам встановити правила MFA для всіх користувачів або певних ролей. Раніше користувачі Snowflake повинні були самостійно зареєструватися в MFA.

Довгий шлях Snowflake до обов’язкового використання MFA відповідає загальній тенденції на ринку хмарних послуг. Незважаючи на нагальну потребу в більш розширеній автентифікації, компанії застосовують поетапний підхід, щоб дати клієнтам час на підготовку та переорієнтацію стеків технологій, які можуть вимагати змін у способах їх інтеграції з іншими критично важливими службами.

Три найбільші хмарні постачальники — AWS, Google Cloud і Microsoft Azure — отримають мандати MFA для деяких або всіх клієнтів до кінця 2025 року. Деякі з цих мандатів почалися серйозно в 2023 році.

Арена клінічних випробувань стає дедалі більше керованою даними, і зростає попит на спонсорів доступу до даних у режимі реального часу та поточних оновлень протягом дослідження, а не лише остаточного звіту. Своєчасне надання чистої та точної інформації вимагає використання цифрових систем, які підтримують ефективну обробку, аналіз і звітність даних.

Автор зображення: ArtemisDiana/Shutterstock.com

Нові технології, такі як штучний інтелект (AI) і машинне навчання (ML), поступово застосовуються для клінічних досліджень, хоча вони залишаються інструментами, а не повними рішеннями. Особливо це стосується таких галузей, як дерматологія та ревматологія, де результати часто залежать від суб’єктивних спостережень людини за результатами, а не від кількісних вимірювань біомаркерів захворювання.

Завдання для сектору клінічних випробувань полягає в тому, як включити цифрові платформи, що постійно розвиваються, у свої процеси, щоб покращити управління даними та оптимізувати операції, одночасно забезпечуючи високоякісні результати та максимальну цінність для спонсорів.

Дані в режимі реального часу дозволяють оперативно діяти

У міру ускладнення клінічних випробувань зростають і величезні потоки даних, які потребують точного аналізу та інтерпретації. Високоякісні дані необхідні для підтримки прийняття рішень на основі доказів; будь-які помилки чи невідповідності можуть спричинити дорогі затримки або навіть зробити пробну версію недійсною. Тому надійні системи для збору та інтеграції даних є життєво важливими для успіху.

Історично звіти про аналіз даних надавалися ретроспективно після клінічних випробувань. Недоліком цього підходу є те, що вже було втрачено дорогоцінний час, якщо були виявлені неточності або дані неадекватні; була втрачена можливість адаптувати протокол у ході дослідження. Ці проблеми можна вирішити, надаючи безперервний прозорий потік корисної інформації.

Доступ до даних у режимі реального часу пропонує всі переваги, підвищуючи якість і оперативність випробування. Такі проблеми, як затримки підбору персоналу в певних демографічних показниках, відхилення протоколів або попередні дані, що демонструють неочікуваний несприятливий ефект, можна виявити та виправити на ранній стадії, що підвищить ефективність процесу та потенційно призведе до швидшого прийняття рішень, оптимізованого використання ресурсів, більш етичних випробувань і кращого результати пацієнтів. Розширені системи керування даними, які можуть безпечно інтегрувати та ділитися живими даними зі спонсорами без шкоди для цілісності чи конфіденційності даних, є ключовими для досягнення цієї мети.

Автор зображення: Gorodenkoff/Shutterstock.com

Від необроблених даних до практичних ідей

Зібрати дані клінічних випробувань із географічно розкиданих дослідницьких сайтів є складним і може призвести до непослідовних форматів даних, несумісних систем і розосередженого зберігання даних, що призведе до неефективності, затримок і навіть помилок протоколу. Ефективні системи інтеграції даних можуть значно покращити цю ситуацію та мають вирішальне значення для отримання максимальної віддачі від наявних зараз потужних інструментів аналізу даних. Аналітика даних відіграє вирішальну роль у ефективності роботи, перетворюючи необроблені дані на ефективні ідеї шляхом виявлення закономірностей і вдосконалення методологій.

Яке місце займає ШІ?

Потужність аналітики розширюється завдяки технологіям на основі ШІ, таким як машинне навчання та прогнозна аналітика. Однак важливо чітко розуміти відмінності між цими методологіями та їхніми можливостями, щоб справді зрозуміти їхній потенціал та обмеження на арені клінічних випробувань.

Інструменти штучного інтелекту можуть допомогти передбачити проблеми до їх виникнення, забезпечуючи оптимізацію розподілу ресурсів. Вони також відіграють ключову роль в обробці та узгодженні різних типів даних, зібраних під час сучасних випробувань — від результатів, про які повідомляють пацієнти, і переносних пристроїв до результатів лабораторних досліджень і електронних медичних записів — розкриваючи шаблони, які можуть інформувати про розробку та виконання протоколів. Вони також можуть допомогти автоматизувати очищення та перевірку даних, дозволяючи дослідникам зосередитися на високоцінному аналізі замість повторного сортування.

Хоча штучний інтелект та машинне навчання готові зробити революцію в клінічних дослідженнях у майбутньому, їм ще потрібно пройти певний шлях, щоб стати повним рішенням. Вони можуть аналізувати величезні масиви даних, виявляти приховані закономірності та генерувати цінну інформацію, що дозволяє приймати рішення на основі даних. Проте все ще залишаються питання щодо якості та розміру репрезентативних наборів даних, які можна використовувати для навчання цих моделей. Оскільки можливості штучного інтелекту та машинного навчання продовжують розвиватися, і вони стають все більш невід’ємною частиною клінічних випробувань, дуже важливо підтримувати баланс між технологічними інноваціями та досвідом людини.

ШІ слід розгортати там, де він може додати цінності, але людське судження залишається вирішальним; ШІ не вистачає контекстуального розуміння, необхідного для прийняття тонких рішень щодо догляду за пацієнтами або коригування випробувань.

CRO, які впроваджують штучний інтелект, повинні дотримуватися обережного, контрольованого підходу для забезпечення надійності, віддаючи пріоритет точності та підзвітності. Цей баланс між інноваціями та досвідом має життєво важливе значення для цілісності клінічних досліджень і відображає прихильність до безпеки пацієнтів та етичної практики. Це особливо актуально в таких сферах захворювань, як дерматологія, де результати пацієнтів базуються на суб’єктивних кінцевих точках.

Удосконалення процесу для оптимізації потоку даних

Незалежно від того, покладаються CRO на штучний інтелект чи ні, потік даних є основним результатом, тому покращення доступу, потоку та аналізу часто є центральним напрямком ініціатив щодо вдосконалення процесів. Ефективність процесу має важливе значення для тих, хто працює в нішевих показаннях, наприклад, спеціаліст з дерматології та ревматології Innovaderm, забезпечуючи високоякісні результати та ефективне управління витратами, які є життєво важливими для збереження конкурентоспроможності з великими гравцями.

Інтеграція цифрових інструментів у SOP компанії вимагає ретельного розгляду, щоб зрозуміти, чого саме можна досягти та як найкраще це зробити. Наприклад, зменшення ручного навантаження, пов’язаного із введенням даних або залученням пацієнтів, може звільнити ресурси, які можна буде перенаправити на спеціалізовані послуги, такі як експертиза конкретних захворювань.

Такий акцент на ефективності приносить користь і спонсорам, які отримують своєчасні точні результати на основі думок експертів у відповідній галузі. Подібним чином використання інтегрованих систем керування випробуваннями гарантує плавність робочих процесів і безперебійний перетікання даних від одного відділу до іншого, зменшуючи розриви та уникаючи збоїв у зв’язку. Інтегровані системи особливо цінні під час роботи із зовнішніми партнерами, такими як дослідницькі сайти або спонсори, яким потрібен доступ до відповідних даних і оновлень.

Авторство зображення: MUNGKHOOD STUDIO/Shutterstock.com

Висновок

Клінічні випробування стають дедалі складнішими та вимагають великої кількості даних, і CRO мають орієнтуватися в умовах, які вимагають ефективності, прозорості та високоякісних даних.

Штучний інтелект і аналітика даних є перспективними інструментами, які оптимізують операції та нададуть інформацію спонсорам у реальному часі, але ШІ, зокрема, є саме цим – інструментом, а не повним рішенням, де людський досвід залишається центральним у процесі прийняття рішень.

Для CRO, особливо тих, хто працює в таких спеціалізованих галузях, як дерматологія та ревматологія, ключем до успіху є баланс між технологічними досягненнями та операційною ефективністю.

Ретельно інтегруючи штучний інтелект, покращуючи процеси керування даними та розвиваючи системи співпраці, CRO можуть задовольнити потреби спонсорів, що розвиваються, надаючи точні та високоякісні дані вчасно та ефективно. У міру розвитку галузі ті, хто зможе досягти цього балансу, матимуть хороші можливості для проведення випробувань, які принесуть користь як спонсорам, так і пацієнтам.

Про Innovaderm Research Inc.

Innovaderm Research Inc. є спеціалізованою CRO з подвійним фокусом на дерматології та ревматології. Вони допомагають біофармацевтичним спонсорам розпочати та завершити клінічні випробування.

---

Політика щодо спонсорованого вмісту: News-Medical.net публікує статті та пов’язаний вміст, який може бути отриманий з джерел, з якими ми маємо комерційні відносини, за умови, що такий вміст додає цінності основному редакційному духу News-Medical.Net, який полягає в навчанні та інформуванні відвідувачів сайту, зацікавлених у медицині. дослідження, наука, медичні прилади та лікування.

А жетон нашої вдячності? чому ні Ось підбірка найпопулярніших оновлень, аналізу та вказівок щодо криптовалют, опублікованих на JD Supra протягом 2024 року:

1. SDNY виносить остаточне рішення SEC проти Ripple – Анна Пінедо та Карлос Хуарес у Mayer Brown
2. Платіжний інформаційний бюлетень, включаючи цифрові активи та блокчейн, серпень 2024 р – Вірджинія Монтгомері, Роджер Тим і Ада Нурелл з Hogan Lovells
3. Щотижневий блог про блокчейни – вересень 2024 р. №2 – Ізабель Корбетт Стерлінг, Кіт Мерфі, Роберт Мусіала молодший та Крістофер Лемб із BakerHostetler
4. Ripple Labs зобов’язали сплатити цивільний штраф у розмірі 125 мільйонів доларів США, що потенційно завершує позов SEC – Майк Кац у Manatt
5. Оголошено інтеграцію USDC; Crypto Guidance Опубліковано IRS, Банківським управлінням ЄС; Криптофірма погоджується на штраф у розмірі 8 мільйонів доларів США; Опубліковано незаконні криптодані – Лорен Басс, Кіт Мерфі, Джеймс Шерер і Джоанна Васік у BakerHostetler
6. Blockchain+ раз на два тижні – січень 2024 р – Деніел МакЕвой, Стівен Рутенберг і Джонатан Шмальфельд у Polsinelli
7. Чи може це бути товаром, якщо воно не взаємозамінне? Оцінка NFT відповідно до Закону про товарні біржі – Іветт Вальдес з Latham & Watkins
8. Гарячі теми в міжнародній торгівлі – лютий 2024 р. – Оцінка переваг і проблем токенізації реальних активів – Джеймс Голбейн і Джастін Голбейн з Braumiller Law Group
9. Юридична фірма зіткнулася з позовом про зловживання службовим становищем через нібито погані поради в White Collar Crypto Defense – Метью Фейнберг у Goldberg Segalla
10. Чи додадуть криптовалюта та інтелектуальний аналіз даних нову складність районуванню нафти та газу? – Брендан О'Доннелл у Х'юстон Гарбо
11. Новини та тенденції щодо блокчейну та цифрових активів – вересень 2024 р – Елізабет Кейрес, Ерік Холл, Девід Соландер, Марго Танк, Джеймс Вільямс з DLA Piper
12. Прогноз криптовалютної політики в адміністрації Трампа – адвокати Brownstein
13. П'ятий округ відхиляє OFAC визначення незмінних смарт-контрактів Tornado Cash – Сіана Данч, Пітер Харді, Келлі Ленахан-Пфалерт у Ballard Spahr
14. ФРС виявила, що генеральний директор бере участь у крипто-шахрайстві з «різанням свиней», що призвело до банкрутства банку – адвокати Orrick
15. Перехід на цифрові технології у Великій Британії, США та ОАЕ: останні розробки цифрових активів – Джеймс Денч, Андреа Дугал, Стівен Лайтстоун, Алісія Салліван у Morgan Lewis

+++

Підписуйтесь на канал Cryptocurrency JD Supra, щоб отримати свіжий аналіз і коментарі, написані не менше людьми, оскільки вони публікуються протягом року.

Використання великих даних в охороні здоров’я змінює спосіб прийняття рішень лікарями та лікарнями. Аналізуючи великі обсяги даних про пацієнтів, постачальники медичних послуг можуть точніше прогнозувати результати, персоналізувати лікування та покращити лікування для кожного. У цій статті ми досліджуємо, як передові технології та аналіз даних допомагають медичним працівникам краще розуміти та задовольняти потреби пацієнтів.

Як ми вимірюємо успіх у прогностичних моделях охорони здоров’я

Щоб забезпечити ефективну роботу прогностичних моделей, дослідники використовують кілька ключових заходів:

1. Точність: Це говорить нам про те, як часто модель загалом правильно прогнозує. Наприклад, якщо модель передбачає, наскільки ймовірно, що пацієнт добре відреагує на лікування, точність вимірює, як часто це відбувається правильно.
2. Точність: Це визначає, скільки «позитивних» прогнозів насправді правильні. Подумайте про це як про спосіб переконатися, що модель не видає занадто багато помилкових тривог.
3. Нагадаємо: Це показує, наскільки добре модель вловлює всі важливі справи. Наприклад, якщо модель ідентифікує пацієнтів, які потребують невідкладної допомоги, функція відкликання показує нам, наскільки успішно вона знаходить усіх, хто відповідає цій категорії.
4. Оцінка F1: Це поєднує в собі точність і запам’ятовування в одне число, збалансовуючи як точність, так і здатність знаходити ключові випадки.

Використовуючи ці інструменти, дослідники можуть краще зрозуміти сильні та слабкі сторони моделі.

Що нам говорять дані про пацієнтів

Md Nagib Mahfuz Sunny і його команда провели дослідження, використовуючи великі дані для аналізу догляду за пацієнтами. Вони розглянули широке коло пацієнтів із середнім віком 15,5 років і виявили деякі цікаві тенденції:

Поширені проблеми зі здоров'ям: Такі захворювання, як дефіцит вітаміну D і астма, були одними з найчастіших проблем.

Успіх лікування: Близько 81% пацієнтів добре відреагували на лікування, що свідчить про те, наскільки ефективним може бути лікування на основі даних.

Дослідження також порівнювало різні типи прогнозних моделей, щоб побачити, яка з них працює найкраще. Модель «Випадковий ліс» виділялася тим, що була не тільки точною, але й справедливою, навіть коли передбачала результати менш поширених випадків.

Що найважливіше для результатів пацієнтів

Дослідження висвітлило деякі ключові фактори, які впливають на реакцію пацієнтів на лікування:

1. Частота візитів до лікаря: Пацієнти, які регулярно відвідують своїх лікарів, як правило, мають кращі результати для здоров’я.
2. Тривалість лікування: Дотримання планів лікування протягом тривалого часу є великим провісником успіху.
3. Індекс маси тіла (ІМТ): ІМТ пацієнта, який вимірює масу тіла відносно зросту, також був важливим фактором.

Ці результати показують важливість розгляду ширшої картини при лікуванні пацієнтів, а не лише їхніх безпосередніх симптомів.

Як великі дані можуть покращити охорону здоров’я

Великі дані – це не просто обробка цифр; йдеться про те, щоб зробити охорону здоров’я розумнішою. За допомогою прогностичної аналітики лікарі можуть:

Рано виявляйте проблеми зі здоров’ям, дозволяючи своєчасно втручатися.

Персоналізуйте плани лікування відповідно до індивідуальних потреб кожного пацієнта.

Використовуйте ресурси ефективніше, забезпечуючи пацієнтам необхідну допомогу без зайвих тестів чи лікування.

Наприклад, дані можуть показати, що пацієнту з певним захворюванням, ймовірно, буде корисно певне лікування. Це може допомогти лікарям приймати кращі рішення та покращити результати лікування пацієнтів.

Що далі: блокчейн і ШІ в охороні здоров’я

Майбутнє охорони здоров’я, ймовірно, включатиме ще більш передові технології, такі як блокчейн і штучний інтелект (ШІ):

Блокчейн: Ця технологія може захистити конфіденційну інформацію пацієнтів, що робить безпечнішим і простішим безпечний обмін даними між постачальниками.

Нейронні мережі: Ці інструменти на основі штучного інтелекту можуть аналізувати складні дані, як-от генетичну інформацію або моніторинг у режимі реального часу з переносних пристроїв, щоб надавати ще точніші прогнози.

Ці інструменти можуть революціонізувати наше мислення та надання медичної допомоги, зробивши її більш персоналізованою, ефективною та безпечною.

Чому це дослідження має значення

Дослідження під керівництвом Md Nagib Mahfuz Sunny і його команда демонструє неймовірний потенціал поєднання передових технологій із досвідом охорони здоров’я. Аналізуючи дані тисяч пацієнтів, вони створили структуру, яку постачальники медичних послуг можуть використовувати для покращення лікування та результатів.

Від виявлення пацієнтів, яким може знадобитися додаткова підтримка, до адаптації лікування для кращих результатів, великі дані пропонують потужний спосіб вирішення проблем сучасної охорони здоров’я.

Винос

Великі дані вже змінюють охорону здоров’я в Сполучених Штатах і за їх межами, роблячи її більш точною, ефективною та результативною. Оскільки нові технології, такі як блокчейн і ШІ, продовжують розвиватися, можливості для покращення догляду за пацієнтами безмежні.

Для пацієнтів це означає кращі результати, швидшу діагностику та більш індивідуальний догляд. Для постачальників медичних послуг це означає розумніше використання ресурсів і здатність випереджати складні медичні виклики.

Використовуючи потужність системи охорони здоров’я, що керується даними, ми можемо створити систему, яка працюватиме краще для всіх

Щоб дізнатися більше, відвідайте: https://www.scirp.org/journal/paperinformation?paperid=136721

Інформація для ЗМІ:

Назва компанії: Md Nagib Mahfuz Sunny

сайт: https://www.linkedin.com/in/nagibsunny/