Печалби:
- Възможност за разпознаване на вградена идентификационна информация (заглавие и вписани данни) в DICOM изображения и прилагане на правила за анонимизиране и сигурно споделяне
- Способност за критична оценка на валидирането, нивото на доказателства, регулаторното одобрение (CE/регулация) и местното валидиране на AI модел
- Способност за справяне с етични въпроси като алгоритмични пристрастия, съгласие на пациента, отговорност и прозрачност в контекста на изображенията
Радиологичните данни са един от най-чувствителните видове лични данни. Един образ предава не само болест, но и чия е болестта; MRI на мозъка може да идентифицира човек чрез лицева реконструкция, DICOM файл съхранява името на пациента, идентификационния номер и датата на раждане в заглавката си. В ерата на изкуствения интелект е лесно да заредите тези данни в инструмент, да ги споделите или да ги използвате за обучение на модел — и точно тази лекота създава най-големия риск за поверителността. В този раздел ще обсъдим DICOM анонимизация, KVKK/поверителност, валидиране на модела и етични въпроси от край до край.
Основен принцип: Радиологичните изображения и доклади са специални лични данни. Идентификационните данни в DICOM хедъра и вградените в изображението не влизат в никакъв външен инструмент, без да бъдат анонимизирани. Надеждност на модела; Валидирането се оценява чрез ниво на доказателства, регулаторно одобрение и местна проверка. Отговорността, подписът и окончателното решение винаги са на рентгенолога.
DICOM носи идентичност на два слоя
Радиологичните данни, за разлика от други здравни данни, носят самоличността на два отделни слоя и анонимизирането е непълно без изчистване и на двата.
1. DICOM хедър: Структурирани полета в началото на графичния файл — име на пациент, идентификационен/протоколен номер, дата на раждане, пол, институция, дата на преглед, апарат. Тези области могат да бъдат изтрити/маскирани с инструмент, но ако бъдат забравени, изображението ще продължи да носи идентификация, докато се смята за „анонимно“.
2. Вписани данни: В някои изображения – особено ултразвук, екранни снимки на флуороскопия, външни сканирания – информацията за пациента се записва директно в пикселите. Изчистването на заглавката не премахва това; вграденият текст трябва да бъде маскиран (покрит) или тази област трябва да бъде изрязана.
Освен това, риск от реконструкция на лицето: лицето може да бъде реконструирано триизмерно от компютърни томографии на глава/мозък с висока разделителна способност и ЯМР; Това също е форма на разкриване на самоличността и в някои контексти изисква „обезобразяване“.
слой
където
Как да почистите
ако е забравен
DICOM заглавка
Заглавие на файла
Инструмент за анонимизиране
ID остава отворен
вграден текст
вътрешен пиксел
Маскиране/изрязване
Изображението носи идентичност
данни за лицето
3D изглед на главата
обезличаване
Разпознаваем по лицето
Текст на доклада
RIS/текст
Премахване на име/номер
Лицето е идентифицирано
KVKK и безопасно споделяне
В Турция KVKK (Закон за защита на личните данни) третира здравните данни като „лични данни от специално естество“ при най-високо ниво на защита; В Европа неговият еквивалент е GDPR. Основни правила: обработвайте данни само толкова, колкото е необходимо за необходимата цел; деанонимизация извън институцията; Ако възнамерявате да го използвате в обучението на модели, предоставете правно основание и изрично съгласие, ако е необходимо; Знайте къде отиват вашите данни. Качването на неанонимизирани изображения/отчети в публичен AI инструмент е нарушение на данните. Предпочитат се корпоративни инструменти, които имат споразумение за обработка на данни (DPA), не използват вашите данни в обучение на модели и за предпочитане е да работят вътрешно/локално.
Внимание: Казването „току-що изтрих фамилното име“ или „инструментът вече е защитен“ не е анонимизиране. Никакви данни не излизат извън институцията, без да бъдат премахнати всички данни за име, TR ID, номер на протокол/преглед, дата на раждане, контакт, институция и вградени/заглавни идентификационни данни. Анонимизирането не е навик, нито еднократна задача.
Валидиране на модел: кога да се доверите на модел
Не е достатъчно да се каже, че един модел "работи"; Необходимо е да се попита как, къде и колко работи.
- Валидиране и ниво на доказателства: В коя популация, в колко случая, с какви показатели (чувствителност, специфичност, фалшиво отрицателен) е тестван моделът? Има ли публикувани, независими доказателства?
- Регулаторно одобрение: Продуктът одобрен ли е като медицинско изделие (напр. CE маркировка, съответно регулаторно одобрение)? Каква употреба се покрива от одобрението?
- Локална проверка: Най-критичната стъпка. Моделът тестван ли е на вашето собствено устройство, вашия собствен протокол, вашето собствено население? Дрейф на разпределението (намаляване на производителността при отдалечаване от условията на обучение) не се наблюдава без локално валидиране.
- Проследяемост: Проследяват ли се версията на модела, актуализациите и промяната в производителността?
Етично измерение
Алгоритмично отклонение: Ако моделът е обучен върху конкретна популация, той може да се представи по-зле в други групи (възраст, пол, етническа принадлежност, рядко заболяване) и да увеличи неравенството. Съгласие и прозрачност на пациента: Трябва ли пациентът да знае, че в диагнозата му се използва изкуствен интелект; Как институцията прави това прозрачно? Отговорност: Ако четене с изкуствен интелект направи грешка, кой е отговорен - отговорът е на рентгенолога, който се е подписал; AI не поема отговорност. Справедлив достъп: Ако инструментите за ИИ са налични в някои центрове, а не в други, това може да бъде източник на неравенство.
три мини калъфа
Случай 1 — Нарушение на вграден текст. Лекар качва интересно ултразвуково изображение, почиства заглавката му и го качва в публичен инструмент за изкуствен интелект. Но в ъгъла на изображението има името на пациента и номера на протокола, гравирани в пиксела; Въпреки че заглавката беше чиста, тя носеше вграден идентификатор на публикация. Институцията среща уведомление за KVKK. Правилният начин беше да маскирате вградената област и да я споделите по този начин.
Случай 2 — Разпространение без местна проверка. Център рутинно въвежда модел на костна възраст, обучен върху население отвъд океана, без изобщо да го валидира в собствената си група пациенти. Месеци по-късно се забелязва, че моделът е систематично предубеден в своите популации. Ако беше направена локална проверка, това щеше да се види от самото начало. Урок: дори регулаторното одобрение не е заместител на местната проверка.
Случай 3 — Докладвайте за анонимизиране. Рентгенолог иска да обсъди труден случай със свой колега чрез AI инструмент. Той пренаписва историята като „62-годишна жена, известна история на рак на гърдата“ вместо „Айше Йълмаз, протокол 2024-114523, рак на гърдата“; Споделя изображението с изчистена DICOM заглавка и маскиран вграден текст. Провежда се клинична дискусия, не се разкриват самоличности. Правилното анонимизиране позволи безопасно използване на AI.
Слаба подкана / Силна подкана
Слаба подкана:
Ayşe Yılmaz, TC 123..., протокол 2024-114523, рак на гърдата, интерпретирайте този ЯМР.
Идентичността се споделя открито; Това е нарушение на KVKK, трябваше да спре, преди да бъде написана подканата.
Мощна подкана:
Вашата роля: асистент за контрол на анонимизирането. Премахнете вашето име, TR ID, номер на протокол/преглед, дата на раждане, информация за контакт и институция от текста по-долу; заменете го с „[премахнато]“. Оставете само клинично необходима анонимна информация (възрастова група, пол, съответна история). Напомнете ми също: ако ще споделя изображение, трябва също да изчистя DICOM заглавката и текста, вградени в изображението, и да взема предвид данните за лицето в изображенията на главата/мозъка. Текст: [поставете текст]
Мощна подкана извлича ID, напомня вградени/заглавни данни и данни за лица.
Копируеми шаблони за подкана
ШАБЛОН ЗА КОНТРОЛ НА АНОНИМИЗИРАНЕТО Вашата роля: асистент за анонимизиране. Име на извлечение, TR ID номер, номер на протокол/преглед, дата на раждане, информация за контакт и институция от текста; Въведете „[премахнато]“. Оставете само клинично необходимата анонимна информация. Напомнете ми, че ако ще споделя изображение, трябва да изчистя заглавката + вграждането + данните за лицето. Текст: [напиши]
ШАБЛОН ЗА ЗАЯВКА ЗА ПРОВЕРКА НА МОДЕЛА Вашата роля: АСИСТЕНТ. Ще оценя AI модел. Генерирайте въпросите, които трябва да задам: каква популация/брой на случаите/метрики, обхват на регулаторно одобрение, извършено ли е локално валидиране, риск от отклонение в разпространението, проследяване на версията. Решението е в ръцете на институцията. Информация за модела: [лято]
ШАБЛОНИ ЗА ПРОВЕРКА НА ЕТИКА/ПРЕДУБРАЖНОСТИ ще ви даде контекста на използването на AI модел. Оценете за алгоритмично отклонение (което може да работи зле в групи), съгласие на пациента/прозрачност, отчетност и справедлив достъп; Напишете въпроса, който институцията трябва да зададе под всяко заглавие. Контекст: [пишете]
DATA FLOW PRIVACY TEMPLATEI ще ви даде сценарий за изпращане на данни към AI инструмент. Създайте контролен списък, който пита къде отиват данните, дали се съхраняват, дали се използват в обучението на модели и статусът им на DPA/правно основание. Напомнете ни за задължението за анонимизиране на външни превозни средства. Скрипт: [напиши]
Често срещани грешки
- Просто изчистете заглавката и забравете за вградения текст. Изображението все още носи идентичност.
- Игнориране на данните за лицето. Човек може да бъде разпознат от 3D изображения на глава/мозък.
- Замяна на регулаторно одобрение за местно валидиране. Съгласието посочва обхвата; Това не гарантира ефективност на вашите собствени данни.
- Без да питам за алгоритмично отклонение. Моделът може да работи зле за някои групи, разширявайки неравенството.
- Прехвърляне на отговорност към AI. Подписът е на рентгенолога; Отговорността за грешките е на хората.
Съвет: Преди да изпратите каквито и да било данни извън институцията, задайте един въпрос: „Ако тези данни са изтекли, може ли пациентът да бъде идентифициран?“ Ако отговорът е „да“ или „не съм сигурен“, данните все още не са анонимни – не ги изпращайте.
В обобщение
Радиологичните изображения и доклади са специални лични данни и изискват най-висока защита в обхвата на KVKK/GDPR. DICOM данните носят идентичност на два слоя — заглавието и текста, вграден в изображението — и никакви данни не напускат предприятието, без и двете да бъдат изчистени, както и данните за лицето, ако е необходимо. За да се доверите на модел, се оценяват неговото валидиране, ниво на доказателства, регулаторно одобрение и местно валидиране, особено във вашето собствено устройство/популация; Регулаторното одобрение не е заместител на местната проверка. В етичното измерение се поставят под въпрос алгоритмичните пристрастия, съгласието на пациента, прозрачността, справедливият достъп и отговорността. Във всички случаи подписът, отговорността и окончателното решение принадлежат на рентгенолога.
Задача за приложение
Създайте фактологичен текст и сценарий за споделяне на изображения. Анонимизирайте текст с шаблона „Проверка за анонимизиране“ и стъпките за проверка на заглавката на списъка/вградения текст/данните за лицето. След това оценете модел, който използвате (или обмисляте) с шаблона „Заявка за валидиране на модел“: население, обхват на валидиране, статус на локално валидиране. И накрая, с шаблона „Контрол на етика/пристрастия“ запишете в кои групи този модел може да работи зле и въпроси за прозрачност/отчетност.
контролен списък
- [ ] Изчистих полетата за ID в заглавката на DICOM.
- [ ] Маскирах/изрязах изгорения текст в изображението.
- [ ] Оцених риска от лицеви данни в изображения на глава/мозък.
- [ ] Анонимизирах текста на доклада/разказа (име, лична карта, протокол, дата на раждане).
- [ ] Поставих под въпрос потока от данни и DPA/правното основание за външния инструмент.
- [ ] Проверих локалното валидиране и обхвата на валидиране на модела.
- [ ] Оцених алгоритмичното пристрастие, прозрачността и отчетността; Имам подписа.