লাভ:
- DICOM চিত্রগুলিতে এমবেডেড শনাক্তকরণ তথ্য (শিরোনাম এবং বার্ন-ইন ডেটা) সনাক্ত করার ক্ষমতা এবং বেনামীকরণ এবং নিরাপদ ভাগ করার নিয়ম প্রয়োগ করার ক্ষমতা
- একটি এআই মডেলের বৈধতা, প্রমাণের স্তর, নিয়ন্ত্রক অনুমোদন (সিই/নিয়ন্ত্রণ) এবং স্থানীয় বৈধতা সমালোচনামূলকভাবে মূল্যায়ন করার ক্ষমতা
- ইমেজিংয়ের প্রসঙ্গে অ্যালগরিদমিক পক্ষপাত, রোগীর সম্মতি, দায়িত্ব এবং স্বচ্ছতার মতো নৈতিক সমস্যাগুলি মোকাবেলা করার ক্ষমতা
রেডিওলজিক্যাল ডেটা হল সবচেয়ে সংবেদনশীল ধরনের ব্যক্তিগত ডেটার একটি। একটি চিত্র শুধুমাত্র একটি রোগ নয়, কিন্তু এটি কার রোগ; একটি মস্তিষ্কের এমআরআই মুখের পুনর্গঠনের মাধ্যমে একজন ব্যক্তিকে সনাক্ত করতে পারে, একটি DICOM ফাইল তার শিরোনামে রোগীর নাম, সনাক্তকরণ নম্বর এবং জন্ম তারিখ সংরক্ষণ করে। কৃত্রিম বুদ্ধিমত্তার যুগে, এই ডেটাটিকে একটি টুলে লোড করা, শেয়ার করা বা একটি মডেলকে প্রশিক্ষণ দেওয়ার জন্য এটি ব্যবহার করা সহজ - এবং এটি সঠিকভাবে এই সহজতা যা সবচেয়ে বড় গোপনীয়তার ঝুঁকি তৈরি করে৷ এই ইউনিটে, আমরা DICOM বেনামীকরণ, KVKK/গোপনীয়তা, মডেলের বৈধতা এবং নৈতিকতার বিষয়গুলি নিয়ে শেষ পর্যন্ত আলোচনা করব।
মূল নীতি: রেডিওলজিক্যাল ইমেজ এবং রিপোর্ট বিশেষ ব্যক্তিগত তথ্য. DICOM হেডারে থাকা পরিচয় ডেটা এবং ইমেজে এম্বেড করা বেনামী না হয়ে কোনো বাহ্যিক টুলে প্রবেশ করে না। একটি মডেলের নির্ভরযোগ্যতা; প্রমাণের স্তর, নিয়ন্ত্রক অনুমোদন এবং স্থানীয় যাচাইকরণ দ্বারা বৈধতা মূল্যায়ন করা হয়। দায়িত্ব, স্বাক্ষর এবং চূড়ান্ত সিদ্ধান্ত সর্বদা রেডিওলজিস্টের সাথে থাকে।
DICOM দুটি স্তরে পরিচয় বহন করে
রেডিওলজিক্যাল ডেটা, অন্যান্য স্বাস্থ্য ডেটা থেকে ভিন্ন, দুটি পৃথক স্তরে পরিচয় বহন করে এবং উভয়কে পরিষ্কার না করে পরিচয় গোপন করা অসম্পূর্ণ।
1. DICOM হেডার: ইমেজ ফাইলের শুরুতে স্ট্রাকচার্ড ক্ষেত্রগুলি — রোগীর নাম, শনাক্তকরণ/প্রটোকল নম্বর, জন্ম তারিখ, লিঙ্গ, প্রতিষ্ঠান, পরীক্ষার তারিখ, ডিভাইস। এই ক্ষেত্রগুলিকে একটি টুল দিয়ে মুছে ফেলা/মাস্ক করা যেতে পারে, কিন্তু যদি ভুলে যাওয়া হয় তবে ছবিটি "বেনামী" হিসাবে বিবেচিত হওয়ার সময় সনাক্তকরণ চালিয়ে যাবে।
2. বার্ন-ইন ডেটা: কিছু ছবিতে—বিশেষ করে আল্ট্রাসাউন্ড, ফ্লুরোস্কোপি স্ক্রিন ক্যাপচার, বাহ্যিক স্ক্যান—রোগীর তথ্য সরাসরি পিক্সেলে লেখা হয়। শিরোনাম পরিষ্কার করা এটি অপসারণ করে না; এমবেডেড টেক্সট মাস্ক করা উচিত (আচ্ছাদিত) অথবা সেই জায়গাটি ক্রপ করা উচিত।
অতিরিক্তভাবে, মুখের পুনর্গঠনের ঝুঁকি: উচ্চ-রেজোলিউশন হেড/ব্রেন সিটি এবং এমআরআই থেকে মুখটি ত্রিমাত্রিকভাবে পুনর্গঠন করা যেতে পারে; এটিও, পরিচয় প্রকাশের একটি রূপ এবং কিছু প্রসঙ্গে, "বিকৃতকরণ" প্রয়োজন।
স্তর
যেখানে
কিভাবে পরিষ্কার করবেন
ভুলে গেলে
DICOM হেডার
ফাইলের শিরোনাম
বেনামীকরণ টুল
আইডি খোলা থাকে
এমবেডেড টেক্সট
ইন্ট্রা পিক্সেল
মাস্কিং/ক্রপিং
ছবি পরিচয় বহন করে
মুখ তথ্য
3D হেড ভিউ
বিকৃত করা
মুখ দিয়ে চেনা যায়
রিপোর্ট টেক্সট
RIS/টেক্সট
নাম/নম্বর সরানো হচ্ছে
ব্যক্তি শনাক্ত হয়
KVKK এবং নিরাপদ শেয়ারিং
Türkiye, KVKK (ব্যক্তিগত ডেটা সুরক্ষা আইন) সুরক্ষার সর্বোচ্চ স্তরে স্বাস্থ্য ডেটাকে "বিশেষ প্রকৃতির ব্যক্তিগত ডেটা" হিসাবে বিবেচনা করে; ইউরোপে, এর সমতুল্য জিডিপিআর। মৌলিক নিয়ম: প্রয়োজনীয় উদ্দেশ্যে যতটুকু প্রয়োজন ততটুকু ডেটা প্রক্রিয়া করুন; প্রতিষ্ঠানের বাইরে বেনামীকরণ; আপনি যদি মডেল প্রশিক্ষণে এটি ব্যবহার করতে যাচ্ছেন, প্রয়োজনে আইনি ভিত্তি এবং স্পষ্ট সম্মতি প্রদান করুন; আপনার ডেটা কোথায় যায় তা জানুন। একটি পাবলিক AI টুলে অ-বেনামী ছবি/রিপোর্ট আপলোড করা একটি ডেটা লঙ্ঘন। যে কর্পোরেট সরঞ্জামগুলির একটি ডেটা প্রসেসিং চুক্তি (DPA) আছে, তারা মডেল প্রশিক্ষণে আপনার ডেটা ব্যবহার করবেন না এবং বাসাবাড়িতে/স্থানীয়ভাবে কাজ করার ক্ষেত্রে অগ্রাধিকার দেওয়া উচিত।
মনোযোগ: "আমি এইমাত্র শেষ নামটি মুছে ফেলেছি" বা "সরঞ্জামটি ইতিমধ্যে সুরক্ষিত" বলা বেনামীকরণ নয়৷ সমস্ত নাম, টিআর আইডি, প্রোটোকল/পরীক্ষা নম্বর, জন্ম তারিখ, যোগাযোগ, প্রতিষ্ঠান এবং এমবেডেড/হেডার পরিচয় ডেটা মুছে না দিয়ে কোনও ডেটা প্রতিষ্ঠানের বাইরে যায় না। নাম প্রকাশ করা একটি অভ্যাস নয়, একটি এককালীন কাজ নয়।
মডেলের বৈধতা: কখন একটি মডেলকে বিশ্বাস করতে হবে
এটা বলা যথেষ্ট নয় যে একটি মডেল "কাজ করে"; এটি কীভাবে, কোথায় এবং কতটা কাজ করে তা জিজ্ঞাসা করা দরকার।
- বৈধতা এবং প্রমাণের স্তর: কোন জনসংখ্যাতে, কতটি ক্ষেত্রে, কোন মেট্রিক্সের সাথে (সংবেদনশীলতা, নির্দিষ্টতা, মিথ্যা নেতিবাচক) মডেলটি পরীক্ষা করা হয়েছিল? প্রকাশিত, স্বাধীন প্রমাণ আছে কি?
- নিয়ন্ত্রক অনুমোদন: পণ্যটি কি মেডিকেল ডিভাইস হিসেবে অনুমোদিত (যেমন সিই মার্কিং, প্রাসঙ্গিক নিয়ন্ত্রক অনুমোদন)? কি ব্যবহার অনুমোদন দ্বারা আচ্ছাদিত করা হয়?
- স্থানীয় যাচাইকরণ: সবচেয়ে গুরুত্বপূর্ণ পদক্ষেপ। মডেলটি কি আপনার নিজের ডিভাইস, আপনার নিজস্ব প্রোটোকল, আপনার নিজস্ব জনসংখ্যাতে পরীক্ষা করা হয়েছে? ডিস্ট্রিবিউশন ড্রিফ্ট (প্রশিক্ষণের অবস্থা থেকে দূরে সরে যাওয়ার কারণে কর্মক্ষমতা হ্রাস) স্থানীয় বৈধতা ছাড়া দেখা যায় না।
- ট্রেসেবিলিটি: মডেল সংস্করণ, আপডেট এবং কর্মক্ষমতা পরিবর্তন ট্র্যাক করা হয়?
নৈতিক মাত্রা
অ্যালগরিদমিক পক্ষপাত: মডেলটি যদি একটি নির্দিষ্ট জনসংখ্যার উপর প্রশিক্ষিত হয়, তবে এটি অন্যান্য গোষ্ঠীতে (বয়স, লিঙ্গ, জাতিগততা, বিরল রোগ) আরও খারাপ কাজ করতে পারে এবং বৈষম্যকে বাড়িয়ে তুলতে পারে। রোগীর সম্মতি এবং স্বচ্ছতা: রোগীর কি জানা উচিত যে তার রোগ নির্ণয়ে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা হচ্ছে; প্রতিষ্ঠান কিভাবে এটা স্বচ্ছ করে? দায়বদ্ধতা: যদি AI-সহায়তা রিডিংয়ে কোনো ত্রুটি হয়, তাহলে দায়ী কে — উত্তরটি সাইন অফ করা রেডিওলজিস্টের কাছে রয়েছে; এআই দায়িত্ব নেয় না। ন্যায্য অ্যাক্সেস: যদি AI সরঞ্জামগুলি কিছু কেন্দ্রে উপলব্ধ থাকে এবং অন্যগুলিতে না থাকে তবে এটি অসমতার উত্স হতে পারে।
তিনটি মিনি কেস
কেস 1 — এমবেডেড টেক্সট লঙ্ঘন। একজন চিকিত্সক একটি আকর্ষণীয় আল্ট্রাসাউন্ড চিত্র আপলোড করেন, এর শিরোনামটি পরিষ্কার করেন এবং এটি একটি পাবলিক AI টুলে আপলোড করেন। কিন্তু চিত্রের কোণে রোগীর নাম এবং প্রোটোকল নম্বর পিক্সেলে খোদাই করা আছে; যদিও হেডারটি পরিষ্কার ছিল, এটি একটি এমবেডেড পোস্ট আইডি বহন করে। প্রতিষ্ঠানটি একটি KVKK বিজ্ঞপ্তির সম্মুখীন হয়৷ সঠিক উপায় ছিল এমবেডেড এলাকাটি মাস্ক করা এবং এটিকে সেভাবে ভাগ করা।
কেস 2 — স্থানীয় যাচাই ছাড়াই প্রচার। একটি কেন্দ্র নিয়মিতভাবে একটি বিদেশী জনসংখ্যার উপর প্রশিক্ষিত একটি হাড়ের বয়স মডেল প্রবর্তন করে যা কখনও তার নিজস্ব রোগীর গ্রুপে যাচাই না করে। কয়েক মাস পরে, এটি লক্ষ্য করা যায় যে মডেলটি তার জনসংখ্যার মধ্যে পদ্ধতিগতভাবে পক্ষপাতদুষ্ট। স্থানীয়ভাবে যাচাই-বাছাই করা হলে এটি প্রথম থেকেই দেখা যেত। পাঠ: এমনকি নিয়ন্ত্রক অনুমোদনও স্থানীয় যাচাইকরণের বিকল্প নয়।
কেস 3 - বেনামে রিপোর্ট করুন। একজন রেডিওলজিস্ট একটি এআই টুলের মাধ্যমে তার সহকর্মীর সাথে একটি কঠিন কেস নিয়ে আলোচনা করতে চান। তিনি গল্পটিকে "Ayşe Yılmaz, protocol 2024-114523, স্তন ক্যান্সার" এর পরিবর্তে "62-বছর-বয়সী মহিলা, স্তন ক্যান্সারের পরিচিত ইতিহাস" হিসাবে পুনর্লিখন করেছেন; DICOM শিরোনাম সাফ করা এবং এমবেডেড টেক্সট মাস্ক করে ছবি শেয়ার করে। ক্লিনিকাল আলোচনা সঞ্চালিত হয়, কোন পরিচয় প্রকাশ করা হয় না. সঠিক বেনামীকরণ নিরাপদ এআই ব্যবহার সক্ষম করেছে।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
Ayşe Yılmaz, TC 123..., প্রোটোকল 2024-114523, স্তন ক্যান্সার, এই MRI-এর ব্যাখ্যা।
পরিচয় প্রকাশ্যে শেয়ার করা হয়; এটি একটি KVKK লঙ্ঘন, প্রম্পট লেখার আগেই এটি বন্ধ করা উচিত ছিল৷
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: বেনামী নিয়ন্ত্রণ সহকারী। নীচের পাঠ্য থেকে আপনার নাম, টিআর আইডি, প্রোটোকল/পরীক্ষা নম্বর, জন্ম তারিখ, যোগাযোগ এবং প্রতিষ্ঠানের তথ্য মুছে ফেলুন; এটিকে "[সরানো]" দিয়ে প্রতিস্থাপন করুন। শুধুমাত্র চিকিৎসাগতভাবে প্রয়োজনীয় বেনামী তথ্য (বয়স গ্রুপ, লিঙ্গ, প্রাসঙ্গিক ইতিহাস) ছেড়ে দিন। এছাড়াও আমাকে মনে করিয়ে দিন: আমি যদি একটি ছবি শেয়ার করতে যাচ্ছি, তাহলে আমাকে DICOM হেডার এবং ছবিতে এমবেড করা টেক্সটও সাফ করতে হবে এবং মাথা/মস্তিষ্কের ছবিগুলিতে মুখের ডেটা বিবেচনা করতে হবে। পাঠ্য: [টেক্সট পেস্ট করুন]
শক্তিশালী প্রম্পট নির্যাস আইডি, এমবেডেড/হেডার এবং ফেস ডেটা মনে করিয়ে দেয়।
অনুলিপিযোগ্য প্রম্পট টেমপ্লেট
বেনামী নিয়ন্ত্রণ টেমপ্লেট আপনার ভূমিকা: বেনামী সহকারী৷ পাঠ্য থেকে নাম, টিআর আইডি নম্বর, প্রোটোকল/পরীক্ষা নম্বর, জন্ম তারিখ, যোগাযোগ এবং প্রতিষ্ঠানের তথ্য বের করুন; "[সরানো]" টাইপ করুন। শুধুমাত্র চিকিৎসাগতভাবে প্রয়োজনীয় বেনামী তথ্য ছেড়ে দিন। আমাকে মনে করিয়ে দিন যে আমি যদি একটি ছবি শেয়ার করতে যাচ্ছি, তাহলে আমাকে হেডার + এম্বেড + ফেস ডেটা সাফ করতে হবে। পাঠ্য: [লিখুন]
মডেল যাচাইকরণ প্রশ্ন টেমপ্লেট আপনার ভূমিকা: সহকারী। আমি একটি AI মডেল মূল্যায়ন করব। আমাকে যে প্রশ্নগুলি জিজ্ঞাসা করতে হবে তা তৈরি করুন: কী জনসংখ্যা/কেস গণনা/মেট্রিক্স, নিয়ন্ত্রক অনুমোদনের সুযোগ, স্থানীয় বৈধতা সম্পন্ন হয়েছে, বিতরণ প্রবাহের ঝুঁকি, সংস্করণ ট্র্যাকিং৷ সিদ্ধান্ত প্রতিষ্ঠানের হাতে। মডেল তথ্য: [গ্রীষ্ম]
এথিক্স/বিয়াস চেক টেমপ্লেটই আপনাকে একটি এআই মডেল ব্যবহার করার প্রসঙ্গ দেবে। অ্যালগরিদমিক পক্ষপাতের জন্য মূল্যায়ন করুন (যা গ্রুপে খারাপভাবে কাজ করতে পারে), রোগীর সম্মতি/স্বচ্ছতা, জবাবদিহিতা এবং ন্যায্য অ্যাক্সেস; প্রতিটি শিরোনামে প্রতিষ্ঠানের যে প্রশ্নটি করা উচিত তা লিখুন। প্রসঙ্গ: [লিখুন]
ডেটা ফ্লো প্রাইভেসি টেমপ্লেটই আপনাকে একটি এআই টুলে ডেটা পাঠানোর একটি দৃশ্য দেবে। একটি চেকলিস্ট তৈরি করুন যা জিজ্ঞাসা করে যে ডেটা কোথায় যায়, এটি সংরক্ষণ করা হয় কিনা, এটি মডেল প্রশিক্ষণে ব্যবহার করা হয় কিনা এবং এর ডিপিএ/আইনি ভিত্তির অবস্থা। বহিরাগত যানবাহনের জন্য বেনামীকরণ বাধ্যবাধকতা সম্পর্কে আমাদের মনে করিয়ে দিন। স্ক্রিপ্ট: [লিখুন]
সাধারণ ভুল
- শুধু শিরোনাম সাফ করুন এবং এমবেড করা পাঠ্য সম্পর্কে ভুলে যান। ছবিটি এখনও পরিচয় বহন করে।
- মুখের ডেটা উপেক্ষা করা। মাথা/মস্তিষ্কের 3D ছবি থেকে একজন ব্যক্তিকে চেনা যায়।
- স্থানীয় বৈধতার জন্য নিয়ন্ত্রক অনুমোদন প্রতিস্থাপন. সম্মতি সুযোগ নির্দেশ করে; এটি আপনার নিজের ডেটাতে কর্মক্ষমতা গ্যারান্টি দেয় না।
- অ্যালগরিদমিক পক্ষপাত সম্পর্কে জিজ্ঞাসা করা হচ্ছে না। মডেলটি কিছু গোষ্ঠীর জন্য খারাপভাবে কাজ করতে পারে, বৈষম্য প্রসারিত করতে পারে।
- এআই-এর কাছে দায়িত্ব হস্তান্তর। স্বাক্ষর রেডিওলজিস্ট সঙ্গে আছে; ভুলের দায়ভার মানুষেরই।
পরামর্শ: প্রতিষ্ঠানের বাইরে কোনো ডেটা পাঠানোর আগে, একটি প্রশ্ন জিজ্ঞাসা করুন: "যদি এই ডেটা ফাঁস হয়ে থাকে, তাহলে কি একজন রোগীকে সনাক্ত করা যেতে পারে?" যদি উত্তর "হ্যাঁ" বা "নিশ্চিত না" হয়, তবে ডেটা এখনও বেনামী নয় - এটি পাঠাবেন না।
সংক্ষেপে
রেডিওলজিক্যাল ইমেজ এবং রিপোর্ট বিশেষ ব্যক্তিগত ডেটা এবং KVKK/GDPR এর সুযোগের মধ্যে সর্বোচ্চ সুরক্ষা প্রয়োজন। DICOM ডেটা দুটি স্তরে পরিচয় বহন করে — শিরোনাম এবং ছবিতে এম্বেড করা টেক্সট — এবং উভয়ই স্ক্রাব করা ছাড়া কোনও ডেটাই এন্টারপ্রাইজ ছেড়ে যায় না, সেইসাথে প্রয়োজনে মুখের ডেটা। একটি মডেলকে বিশ্বাস করতে, এর বৈধতা, প্রমাণের স্তর, নিয়ন্ত্রক অনুমোদন এবং স্থানীয় বৈধতা, বিশেষ করে আপনার নিজের ডিভাইস/জনসংখ্যার মূল্যায়ন করা হয়; নিয়ন্ত্রক অনুমোদন স্থানীয় যাচাইকরণের বিকল্প নয়। নৈতিক মাত্রায়, অ্যালগরিদমিক পক্ষপাত, রোগীর সম্মতি, স্বচ্ছতা, ন্যায্য অ্যাক্সেস এবং দায়িত্ব প্রশ্নবিদ্ধ। সমস্ত ক্ষেত্রে, স্বাক্ষর, দায়িত্ব এবং চূড়ান্ত সিদ্ধান্ত রেডিওলজিস্টের।
আবেদন টাস্ক
একটি সত্য পাঠ্য এবং একটি চিত্র ভাগ করে নেওয়ার দৃশ্য তৈরি করুন৷ "অনামীকরণ চেক" টেমপ্লেট এবং তালিকা শিরোনাম/এমবেডেড পাঠ্য/ফেস ডেটা চেক পদক্ষেপের সাথে পাঠ্যকে বেনামী করুন। তারপর "মডেল বৈধকরণ ক্যোয়ারী" টেমপ্লেট দিয়ে আপনি যে মডেলটি ব্যবহার করছেন (বা বিবেচনা করছেন) তা মূল্যায়ন করুন: জনসংখ্যা, বৈধতা সুযোগ, স্থানীয় বৈধতা স্থিতি। পরিশেষে, "নৈতিকতা/পক্ষপাত নিয়ন্ত্রণ" টেমপ্লেটের সাথে, কোন গ্রুপে এই মডেলটি খারাপভাবে কাজ করতে পারে এবং স্বচ্ছতা/জবাবদিহিতার প্রশ্নগুলি লিখুন।
চেকলিস্ট
- [ ] আমি DICOM হেডারে আইডি ক্ষেত্রগুলি সাফ করেছি৷
- [ ] আমি ছবিতে পোড়া লেখাটি মাস্ক/ক্রপ করেছি৷
- [] আমি মাথা/মস্তিষ্কের চিত্রগুলিতে মুখের ডেটার ঝুঁকি মূল্যায়ন করেছি৷
- [ ] আমি রিপোর্ট/গল্পের পাঠ্য (নাম, আইডি, প্রোটোকল, জন্ম তারিখ) বেনামী করেছি।
- [ ] আমি বাহ্যিক টুলের জন্য ডেটা প্রবাহ এবং DPA/আইনগত ভিত্তি নিয়ে প্রশ্ন করেছি।
- [ ] আমি মডেলটির স্থানীয় বৈধতা এবং বৈধতা সুযোগ পরীক্ষা করেছি।
- আমি অ্যালগরিদমিক পক্ষপাত, স্বচ্ছতা এবং জবাবদিহিতা মূল্যায়ন করেছি; আমার স্বাক্ষর আছে।