Dobici:
- Mogućnost definiranja podataka o pacijentima kao posebnih osobnih podataka i obaveza prema KVKK
- Sposobnost implementacije anonimizacije konteksta, minimizacije podataka i odabira alata u skladu sa korporativnim/političkim propisima
- Razumijevanje kliničkih, pravnih i etičkih posljedica povrede podataka i lanca prevencije
Podaci o pacijentima su najintimnije informacije o osobi: njene bolesti, genetske karakteristike, mentalno zdravlje, ovisnosti, seksualno zdravlje. U Turskoj, Zakon o zaštiti ličnih podataka br. 6698 (KVKK) definiše zdravstvene podatke kao posebne lične podatke; Drugim riječima, pruža najviši nivo zaštite. Nepažljivo unošenje ovih podataka u alat za umjetnu inteligenciju (AI) ugrožava i privatnost pacijenata i pravnu odgovornost. U ovoj cjelini naučit ćete kako zaštititi podatke o pacijentima kada radite s AI, anonimizaciju i minimiziranje podataka, odabir sigurnih alata i posljedice kršenja. Osnovni princip: Ne davati nepotrebne podatke; anonimizirajte ono što dajete; koristite samo odgovarajuće alate koji su usklađeni sa politikom.
Zašto su zdravstveni podaci privatni?
Prema KVKK-u, lični podaci su bilo koja informacija koja pripada identifikovanoj ili identifikovanoj fizičkoj osobi. Zdravstveni podaci su, s druge strane, "posebne prirode": za njihovu obradu, po pravilu, potreban je izričit pristanak ili posebne okolnosti dozvoljene zakonom, a neophodne su strože mjere sigurnosti. Čak i ako pacijent nema ime; Kada se kombinuju retka bolest, specifična istorija, institucija i doba, osoba se može redefinisati. Zato je ideja "izbrisao sam ime, siguran sam" pogrešna; Indirektni identifikatori također predstavljaju rizik.
Pažnja: Unošenje zdravstvenih podataka u AI uslugu koja koristi podatke za obuku modela ili čiji su serveri/politike nejasni predstavlja kršenje KVKK-a ako nema izričitog pristanka i odgovarajućih mjera opreza. Odgovornost je na ljekaru i instituciji; "Nisam znao" nije odbrana.
Tri osnovne odbrane
1. Minimizacija podataka. Dajte samo informacije koje su zaista neophodne za zadatak. Nema potrebe za imenom, identifikacijom ili adresom pacijenta da bi se pojednostavio jezik epikrize.
2. Anonimizacija. Uklonite ili zamijenite direktne identifikatore (ime, prezime, ID, broj datoteke, telefon, adresu, datum) oznakom. Također generalizirajte indirektne identifikatore (rijetka dijagnoza + ustanova + datum).
3. Siguran izbor vozila. Odaberite ugovorene, korporativne i KVKK kompatibilne alate koji jamče da se podaci neće koristiti u obrazovanju. Pročitajte politiku privatnosti: gdje se pohranjuju podaci, koliko dugo se čuvaju, tko ima pristup?
Korak po korak: upotreba umjetne inteligencije u skladu s KVKK
- Da li su ti podaci potrebni? Nikad ne dajte ono što nije neophodno.
- Anonimiziraj. Jasni direktni i indirektni identifikatori.
- Provjerite alat. Politika, zadržavanje, obrazovna upotreba, lokacija servera.
- Da li je potreban izričit pristanak? Ako je potrebno, sprovesti postupak prema proceduri institucije.
- Sačuvajte i izlaz. Postoji li curenje identiteta u AI izlazu?
- Trag i politika. Poštujte evidenciju obrade korporativnih podataka.
tri mini kofera
Slučaj 1 — Spriječeno kršenje. Asistent želi sažeti zanimljiv slučaj s AI radi prezentacije. Prvo izvlači naziv, ID, broj fajla i datum iz teksta, generalizuje instituciju i bira alat koji je institucija odobrila i koji ne koristi podatke u obrazovanju. Na taj način ubrzava svoj rad i štiti privatnost.
Slučaj 2 — Rizik od indirektne identifikacije. Liječnik unosi frazu "Jedini pedijatrijski onkološki pacijent u okrugu X" u AI. Nema imena, ali ovaj opis ukazuje na jedno dijete; može se redefinisati. Prema njegovom kolegi, doktor generalizuje izjavu („slučaj pedijatrijske onkologije“) i eliminiše rizik.
Slučaj 3 — Pogrešan alat. Klinika koristi besplatan alat za odgovaranje na poruke pacijenata bez čitanja politike privatnosti; Kasnije je postalo jasno da je alat koristio podatke u obuci. Institucija zaustavlja vozilo, pregleda proces i prelazi na rješenje usklađeno s KVKK. Čitanje politike unaprijed bi spriječilo ovaj rizik na prvom mjestu.
Tabela tipova identifikatora
Žanr
primjer
da se uradi
Direktni identifikator
Ime, TR ID, broj fajla, telefon
Ukloni/označi
poluopisno
Pun datum rođenja, puna adresa
Generalizirati (godina, okrug)
indirektni identifikator
Rijetka dijagnoza + ustanova + anamneza
Generalizirajte kontekst
slobodan tekst
Ime/događaj naveden u bilješci
Skenirajte i očistite
Izlaz curenje
Identitet u tekstu generisanom umjetnom inteligencijom
Također provjerite izlaz
Četiri šablona za kopiranje
Zadatak: Pronađite i kategorizirajte SVE lične/zdravstvene identifikatore u tekstu ispod: direktni (ime, lična karta, broj dosijea, telefon, adresa), polu (pun datum), indirektni (rijetka dijagnoza + ustanova + datum). Zamijenite svaku sa [LABEL], zadržavajući klinički značaj. Tekst: [...]
Zadatak: Procijeniti rizik od CRVENE IDENTIFIKACIJE ovog sažetka slučaja. Koja kombinacija informacija može ukazati na osobu? Koje izjave trebam generalizirati da bih smanjio rizik? Sažetak: [...]
Zadatak: Napravite kontrolnu listu za mene da procijenim politiku privatnosti AI alata: da li se podaci koriste u obuci, koliko se pohranjuje, gdje je server, ko mu pristupa, postoji li KVKK/ugovor za obradu podataka?
Zadatak: Skenirajte i označite sljedeći AI IZLAZ za bilo koju informaciju za identifikaciju ili ponovnu identifikaciju koju može sadržavati. Ako ima curenja, predložite očišćenu verziju. Izlaz: [...]
Slaba prompt / Jaka prompt
Slabo: "Ahmet Yılmaz, TC 123..., dosije 456, X bolnica, rezimirajte epikrizu pacijenta hospitaliziranog sa sljedećom dijagnozom."
Güçlü: "Pojednostavite anonimni sažetak slučaja: muškarac u 60-im godinama, hospitalizacija na odjelu interne medicine, [DIJAGNOZA], [LIJEČENJE]. Ime, lična karta, broj dosijea, institucija i puni datum nisu navedeni. Ne dajte nikakve identifikacijske informacije u ispisu."
U moćnom promptu podaci su minimizirani i anonimni; i privatnost i izlaz su zaštićeni.
Uobičajene greške
- Razmišljajući "Izbrisao sam ime, siguran sam". Indirektni identifikatori također opisuju.
- Davanje nepotrebnih podataka. Informacije koje nisu potrebne za zadatak uopće ne treba unositi.
- Ne čitam politiku. Treba znati da li alat koristi podatke u obuci.
- Ne kontroliše izlaz. Identitet također može procuriti u AI izlazu.
- Zaobilaženje saglasnosti. Izričitu saglasnost i proceduru ne treba zanemariti kada je to potrebno.
Ako se prekrši: sljedeće karike u lancu
Anonimizacija i odabir alata su preventivna odbrana; Ali ako postoji prekršaj, treba unaprijed znati šta učiniti. KVKK nameće određene obaveze kontroloru podataka: da bez odlaganja procijeni kršenje ako je kršenje uočeno, da obavijesti relevantne osobe i, kada je potrebno, Odbor za zaštitu ličnih podataka, da ograniči štetu. U kliničkom okruženju, ovo zahtijeva od institucije, a ne od jednog ljekara, da upravlja procesom kao kontrolor podataka.
Važna stvar u praksi je ne sakriti ili minimizirati kršenje. Stav "ionako nije imao ime" ili "niko ne primjećuje" dodatno podriva i pravni rizik i povjerenje pacijenata. Ispravan refleks je da se incident odmah prijavi relevantnoj jedinici institucije (kontrolor podataka/usklađenost), dokumentuje koji podaci kuda idu i izvrši ispravku kako bi se sprečilo ponavljanje. Kršenje je također prilika za učenje koja otkriva slabu kariku sistema: koji je korak preskočen, koje pravilo je nedostajalo?
Oprez: Prikrivanje povrede privatnosti može imati teže posljedice od samog kršenja. Transparentno izvještavanje i brza sanacija je pravi put, kako zakonski tako i etički.
Ukratko
Podaci o pacijentima su posebni lični podaci pod KVKK i zahtijevaju najvišu zaštitu. Primijenite tri obrane kada radite s AI: ne pružajte podatke koji nisu potrebni (minimiziranje), anonimizirajte ono što dajete (direktni i indirektni identifikatori), birajte samo alate koji su usklađeni s politikom i ne koristite podatke za obuku. Također provjerite izlaz na curenje. Posljedice kršenja su klinički, pravno i etički teške; Odgovornost je na ljekaru i ustanovi.
Zadatak aplikacije
Procijenite politiku privatnosti AI alata koji sami koristite uz gornju kontrolnu listu: da li se podaci koriste u obuci, koliko se pohranjuje, gdje je server? Zatim anonimizirajte pravi tekst (svojom rukom); Pronađite i obrišite svaki od direktnih, polu i indirektnih identifikatora. Razmotrite postoji li rizik od ponovne identifikacije.
kontrolna lista
- [ ] Nikad nisam davao nepotrebne podatke za zadatak.
- [ ] Uklonio/označio sam direktne identifikatore.
- [ ] Generalizirao sam polu- i indirektne identifikatore.
- [ ] Procijenio sam rizik ponovne identifikacije.
- [ ] Pročitao sam politiku privatnosti ovog alata i potvrdio njegovu prikladnost.
- [ ] Provjerio sam AI izlaz za curenje identiteta.
- [ ] Primijenio sam izričitu saglasnost i institucionalnu proceduru gdje je to bilo potrebno.