Показати скорочену інформацію

dc.contributor.authorТокар, П. Ю.uk
dc.date.accessioned2026-03-25T10:24:13Z
dc.date.available2026-03-25T10:24:13Z
dc.date.issued2025
dc.identifier.citationТокар П. Ю. Методи захисту конфіденційності даних пацієнтів у медичних інформаційних системах: аналітичний огляд // Наукові праці Вінницького національного технічного університету. 2025. Електр. текст. дані (PDF: 495 КБ). № 3. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/865.uk
dc.identifier.issn2307-5376
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/50971
dc.description.abstractМедичні інформаційні системи (МІС) є основою цифрової трансформації охорони здоров’я, забезпечуючи швидкий доступ до медичних даних, їх обробку та обмін між різними учасниками системи. Разом з тим використання електронних медичних записів, телемедицини та хмарних сховищ даних створює нові виклики для захисту конфіденційності пацієнтів. Кіберзагрози у сфері охорони здоров’я постійно ускладнюються, зокрема поширюються атаки типу ransomware, фішинг, несанкціонований доступ до баз даних і витоки інформації. Це обумовлює необхідність детального аналізу сучасних підходів до захисту персональних медичних даних. У статті здійснено аналітичний огляд наукових публікацій та досліджень, присвячених методам кіберзахисту у медичних інформаційних системах. Розглянуто криптографічні методи (шифрування даних, цифрові підписи, багатофакторна автентифікація), засоби контролю доступу, методи анонімізації та псевдонімізації, технології блокчейн для збереження цілісності даних, а також інструменти машинного навчання для виявлення аномалій у мережевому трафіку. Особливу увагу приділено питанням нормативно-правового регулювання у сфері захисту персональних даних (GDPR, HIPAA) та їхньому впливу на розробку і впровадження МІС. Аналіз літератури засвідчує, що сучасні методи забезпечення кібербезпеки у медицині мають інтегрований характер і передбачають комбінацію технічних рішень із організаційними заходами, включаючи навчання персоналу та формування культури інформаційної безпеки. Разом із тим низка проблем залишається відкритою: складність впровадження новітніх рішень у закладах охорони здоров’я з обмеженими ресурсами, потреба у стандартизації методів захисту та постійна адаптація до нових типів атак. Cтаття узагальнює сучасні підходи до захисту конфіденційності медичних даних та визначає перспективні напрями подальших досліджень у галузі кібербезпеки медицини.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці Вінницького національного технічного університету. № 3.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/865
dc.subjectкібербезпекаuk
dc.subjectмедичні інформаційні системиuk
dc.subjectзахист даних пацієнтівuk
dc.subjectконфіденційністьuk
dc.subjectкриптографіяuk
dc.subjectавтентифікаціяuk
dc.subjectелектронна медицинаuk
dc.subjectінформаційні технології у медициніuk
dc.titleМетоди захисту конфіденційності даних пацієнтів у медичних інформаційних системах: аналітичний оглядuk
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc004.056.5:614.2
dc.relation.referencesSharing Medical Big Data While Preserving Patient Confidentiality in Innovative Medicines Initiative: A Summary andCase Report from BigData@Heart/ M.Schröderet al.Big Data. 2023. Т. 11, No 6. P. 399–407. DOI: 10.1089/big.2022.0178.en
dc.relation.referencesPrivacy Preservation in Patient Information Exchange Systems Based on Blockchain: System Design Study/ S.Leeet al.Journal of Medical Internet Research. 2022. Т. 24, No 3. e29108. DOI: 10.2196/29108.en
dc.relation.referencesA data flow process for confidential data and its application in a health research project / S.S.R. Crossfieldet al. PLoS ONE. 2022. Т. 17, No 1. e0262609. DOI: 10.1371/journal.pone.0262609.en
dc.relation.referencesPrivacy-protecting, reliable response data discovery using COVID-19 patient observations / J. Kimet al. Journal of the American Medical Informatics Association. 2021. Т. 28, No 8. P. 1765–1776. DOI: 10.1093/jamia/ocab054.en
dc.relation.referencesEffective Privacy Protection Strategies for Pregnancy and Gestation Information From Electronic Medical Records: Retrospective Studyin a National Health Care Data Network in China / C. Liuet al. Journal of Medical Internet Research. 2024. Т. 26. e46455. DOI: 10.2196/46455.en
dc.relation.referencesProtection of confidential medical information in Ukraine: problems of legal regulation/ N.Onishchenkoet al.Georgian Medical News. 2024. No 349. P. 161–168.en
dc.relation.referencesFactors Influencing the Adoption of AdvancedCryptographic Techniques for Data Protection of Patient Medical Records/ N.Lewiset al.Healthcare Informatics Research. 2022. Т. 28, No 2. P. 132–142. DOI: 10.4258/hir.2022.28.2.132.en
dc.relation.referencesBlockchain-based Electronic MedicalRecord Security Sharing Scheme/ Y.Yaoet al.Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2023. P. 1–4. DOI: 10.1109/EMBC40787.2023.10340218.en
dc.relation.referencesEthics, Integrity, and Retributions of Digital Detection Surveillance Systems for Infectious Diseases: Systematic Literature Review/ I.Y.Zhaoet al.Journal of Medical Internet Research. 2021. Т. 23, No 10. e32328. DOI: 10.2196/32328.en
dc.relation.referencesSecure Hybrid Deep Learning for MRI-Based Brain Tumor Detection in Smart Medical IoT Systems/ N.G.Rezket al.Diagnostics (Basel). 2025. Т.15, No 5. P. 639. DOI: 10.3390/diagnostics15050639.en
dc.relation.referencesElectronic Health Records SharingBased on Consortium Blockchain/ G.Wuet al.Journal of Medical Systems. 2024. Т. 48, No 1. P. 106. DOI: 10.1007/s10916-024-02120-9.en
dc.relation.referencesHerrero Antón de Vez H., Felez E., Cypko M.A. A methodological framework for integrating model-guided medicine and multidimensional information management systems: application in anti-aging healthcare. International Journal of Computer Assisted Radiology and Surgery. 2025. DOI: 10.1007/s11548-025-03337-w. URL: https://doi.org/10.1007/s11548-025-03337-w.en
dc.relation.referencesAlaqra A.S., Kane B., Fischer-Hübner S. Machine Learning-Based Analysis of Encrypted Medical Data in the Cloud: Qualitative Study of Expert Stakeholders' Perspectives. JMIR Human Factors. 2021. Т. 8, No 3. e21810. DOI: 10.2196/21810.en
dc.relation.referencesFeature Extraction Approach for Speaker Verification to Support Healthcare System Using Blockchain Security for Data Privacy/ S.Upadhyayet al.Computational and Mathematical Methods in Medicine. 2022. 8717263. DOI: 10.1155/2022/8717263. URL: https://doi.org/10.1155/2022/8717263.en
dc.relation.referencesProposal and Assessment of a De-Identification Strategy to Enhance Anonymity of the Observational Medical Outcomes Partnership Common Data Model (OMOP-CDM) in a Public Cloud-Computing Environment: Anonymization of Medical Data Using Privacy Models/S.Jeonetal.Journal of Medical Internet Research. 2020. Т. 22, No 11. e19597. DOI: 10.2196/19597. URL: https://doi.org/10.2196/19597.en
dc.identifier.doihttps://doi.org/10.31649/2307-5376-2025-3-133-137


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію