Met de versnelling van ziekenhuisinformatisatie en de opkomst van slimme gezondheidszorg is medische apparatuur steeds meer verbonden en interoperabel geworden, waardoor door apparatuur gegenereerde data een kernbezit is voor klinische besluitvorming en ziekenhuisoperaties1. Deze gegevens kunnen persoonlijk identificeerbare informatie, operationele logboeken van het apparaat en diagnostische output omvatten zoals fysiologische parameters, beeldvormende objecten en behandeldossiers, die nauw verbonden zijn met patiëntprivacy en zorgkwaliteit2. Beveiligingsincidenten met dergelijke gegevens kunnen direct invloed hebben op de patiëntveiligheid en het vertrouwen in klinische diensten3.
Ondanks de groeiende aandacht blijven er meerdere uitdagingen bestaan. In Internet of Medical Things (IoMT)-omgevingen blijven externe inbraken en ongeautoriseerde insider-onthullingen dominante inbreukpatronen4. Dataintegriteit kan kwetsbaar zijn wanneer apparaten geen robuuste validatiemechanismen hebben, waardoor gegevens kwetsbaar zijn voor manipulatie die diagnoseen behandeling kunnen misleiden. Heterogene leveranciersecosystemen en inconsistente beveiligingsstandaarden bemoeilijken veilige gegevensuitwisseling tussen apparaten en systemen6. Legacy-apparatuur werkt vaak buiten veilige onderhoudsvensters en kan geen tijdige beveiligingspatches ontvangen7. Menselijke factoren, waaronder beperkte beveiligingsbewustzijn en operationele fouten, vergroten de kwetsbaarheid van organisatiesverder 8. Standaardinloggegevens, onversleutelde communicatie en zwakke toegangscontrole vergroten het aanvalsoppervlak9. Ziekenhuizen kunnen ook functionaliteit boven beveiliging stellen en missen speciale governance- en kwaliteitscontrolesystemen10. Onvoldoende investeringen in cyberbeveiliging kunnen de implementatie van systematische waarborgen verderbeperken. Omgevingsbeperkingen, waaronder elektromagnetische interferentie en 24/7 beschikbaarheidsvereisten, kunnen de haalbaarheid van beveiligingsinterventies in de praktijk beperken12. Ongelijke handhaving van het beleid, gaten in toezicht van derden, wangedrag van binnenuit en externe aanvallen kunnen het dreigingslandschap verergeren.
Eerder werk stelt regelgevende kaders en technische verdedigingen voor. Sinds 2014 behandelt de Amerikaanse Food and Drug Administration cybersecurity als voorwaarde voor goedkeuring van medische apparatuur, wat de security-by-design praktijkenkatalyseert 14. Methodologische vooruitgang omvat multi-criteria evaluatie met behulp van de Analytic Hierarchy Process-Technique for Order Preference by Similarity to an Ideal Solution (AHP-TOPSIS) voor apparaat- en datarisico15. Er zijn ook aanvalsprobabiliteitsgebaseerde beheersmodellen ontwikkeld, voortbouwend op de Fennigkoh-Smith benadering16. Gefedereerd leren met blockchain is onderzocht om veilige gegevensdeling op afstandmogelijk te maken 17. Lichtgewicht cloud-edge beveiligingsarchitecturen zijn voorgesteld om vertrouwelijkheid en rekenefficiëntie in connected healthcare te verbeteren18. Geoptimaliseerde classifiers zijn verder gebruikt om de detectieprestaties onder resourcebeperkingen19 te verbeteren. Blockchain-ondersteunde onderhoudsgegevens kunnen de transparantie en integriteit vanbeeldvormingsapparaten versterken. Organisatorische programma's die beleid, permanente educatie en bewustwordingstraining combineren, kunnen de identificatie en mitigatie van dreigingen versterken21. Dergelijke programma's zijn het meest effectief wanneer ze zijn ingebed in routinematige bestuurs- en verantwoordingsmechanismen in plaats van als eenmalige initiatieven te worden uitgevoerd22.
Veel bestaande benaderingen zijn echter ofwel technologiegericht (bijv. inbraakdetectie, cryptografie, blockchain-ondersteunde uitwisseling) of compliance-gericht (bijvoorbeeld regelgevende checklists), en bieden daarom beperkte operationele richtlijnen voor ziekenhuisteams over hoe (i) het eigenaarschap over afdelingen heen kunnen worden toegekend op het niveau van concrete governancetaken, (ii) volwassenheidsoordelen kunnen verankeren aan controleerbare bewijsartefacten, en (iii) beoordelingsresultaten kunnen koppelen aan een herhaalbare corrigerende actiecyclus23. M-ATSSPD vult deze operationele kloof aan door een geprotocolliseerde governanceworkflow aan te bieden met drie praktische voordelen ten opzichte van gangbare alternatieven. Ten eerste behandelt het controles niet als een ongestructureerde lijst, maar operationaliseert het een taak-voor-taak verantwoordingsstructuur door eigendom toe te kennen op celniveau van een levenscyclus-per-domein matrix. Ten tweede vereist het, in plaats van te vertrouwen op op meningen gebaseerde volwassenheidsoordelen, dat elke score wordt gerechtvaardigd door controleerbare bewijsartefacten (bijv. beleid, logboeken, configuraties, incidenttickets), waardoor de traceerbaarheid en reproduceerbaarheid verbeterd worden. Ten derde vertaalt het beoordelingsresultaten in een actie-en-verificatielus (score, prioriteren, herstellen, verifiëren en herscoren), waardoor governanceverbetering in de loop van de tijd kan worden gevolgd in plaats van als een eenmalige compliance-uitkomst te worden geclaimd.
Grounded-theory-analyse van semi-gestructureerde interviews met belanghebbenden in tertiaire openbare ziekenhuizen synthetiseerde 360 referentiepunten in 149 initiële concepten, 39 categorieën, 27 hoofdcategorieën en 7 kerncategorieën. In lijn met de nadruk van de Nationale Gezondheidscommissie van de Volksrepubliek China op het versterken van ziekenhuisveiligheid en kwaliteitsbeheer en monitoring24, hanteert het protocol een SQ (I-SPORT) veiligheids- en kwaliteitsmatrixlogica als het organiserende raamwerk voor het structureren van cross-lifecycle governance en evidence-based improvement25. Op basis hiervan construeert het M-ATSSPD-protocol een 6 × 6 matrix door zes datalevenscyclusfasen (Acquisitie, Overdracht, Opslag, Delen, Verwerking en Verwijdering) te koppelen aan zes governance-domeinen (Organisatie & Personeel, Metadata, Compliance & Beleid, Monitoring & Audit, Incidentrespons en Technische Tools). Het protocol specificeert een evidence-mapped scoresysteem met expliciete 0-3 ankers, heatmapvisualisatie voor celniveau-prioritering en eigendoms-/documentatieregels ter ondersteuning van interdepartementale coördinatie en iteratieve herbeoordeling in openbare ziekenhuizen.
Het protocol is bedoeld voor ziekenhuizen die netwerkgestuurde medische apparatuur en multi-vendor datastromen exploiteren, waar relevante belanghebbenden en bewijsartefacten toegankelijk zijn voor scoring. Instellingen met beperkte beschikbaarheid van artefacten, sterk uitbestede datapaden, door leveranciers gecontroleerde datapaden of governance-verantwoordelijkheden verspreid over externe entiteiten kunnen het aanpassen van bewijsvereisten en eigendomstoewijzingen vereisen, en dergelijke beperkingen moeten expliciet worden gedocumenteerd om de interpreteerbaarheid van volwassenheidsscores te behouden.