zisky:
- Možnost definovat údaje o pacientech jako zvláštní osobní údaje a povinnosti podle KVKK
- Schopnost implementovat kontextovou anonymizaci, minimalizaci dat a výběr nástrojů v souladu se zásadami společnosti
- Pochopení klinických, právních a etických důsledků porušení ochrany osobních údajů a řetězce prevence
Údaje o pacientech jsou nejintimnější informace člověka: jeho nemoci, genetické vlastnosti, duševní zdraví, závislosti, sexuální zdraví. V Türkiye zákon o ochraně osobních údajů č. 6698 (KVKK) definuje zdravotní údaje jako zvláštní osobní údaje; Jinými slovy, poskytuje nejvyšší úroveň ochrany. Neopatrné zadávání těchto dat do nástroje umělé inteligence (AI) ohrožuje soukromí pacienta i právní odpovědnost. V této lekci se naučíte chránit data pacientů při práci s umělou inteligencí, anonymizaci a minimalizaci dat, výběru bezpečných nástrojů a důsledcích narušení. Základní princip: Neuvádějte zbytečné údaje; anonymizovat to, co dáváte; používat pouze vhodné nástroje, které jsou v souladu se zásadami.
Proč jsou zdravotní údaje soukromé?
Osobními údaji jsou podle KVKK jakékoli informace patřící identifikované nebo identifikovatelné fyzické osobě. Údaje o zdravotním stavu jsou naproti tomu „zvláštní povahy“: jejich zpracování zpravidla vyžaduje výslovný souhlas nebo zvláštní okolnosti povolené zákonem a nezbytná jsou přísnější bezpečnostní opatření. I když pacient nemá jméno; Když se spojí vzácná nemoc, specifická historie, instituce a věk, může být člověk předefinován. To je důvod, proč myšlenka „smazal jsem jméno, jsem v bezpečí“ je zavádějící; Rizika představují i nepřímé identifikátory.
Upozornění: Zadání zdravotních údajů do služby AI, která používá data pro modelový trénink nebo jejíž servery/zásady nejsou jasné, je porušením KVKK, pokud neexistuje výslovný souhlas a vhodná opatření. Odpovědnost spočívá na lékaři a instituci; "Nevěděl jsem" není obrana.
Tři základní obrany
1. Minimalizace dat. Poskytujte pouze informace, které jsou pro daný úkol skutečně nezbytné. Pro zjednodušení jazyka epikrize není potřeba jméno, ID nebo adresa pacienta.
2. Anonymizace. Odstraňte nebo nahraďte přímé identifikátory (jméno, příjmení, ID, číslo spisu, telefon, adresa, datum) štítkem. Zobecněte také nepřímé identifikátory (vzácná diagnóza + instituce + datum).
3. Bezpečný výběr vozidla. Vyberte si smluvní, korporátní a KVKK kompatibilní nástroje, které zaručí, že data nebudou použita ve vzdělávání. Přečtěte si zásady ochrany osobních údajů: kde jsou data uložena, jak dlouho jsou uchovávána, kdo má přístup?
Krok za krokem: Použití AI v souladu s KVKK
- Jsou tyto údaje nutné? Nikdy nedávejte to, co není nutné.
- Anonymizovat. Jasné přímé a nepřímé identifikátory.
- Ověřte nástroj. Zásady, uchovávání, vzdělávací použití, umístění serveru.
- Je nutný výslovný souhlas? V případě potřeby proveďte proces podle postupu dané instituce.
- Zachovejte také výstup. Dochází ve výstupu AI k úniku identity?
- Stopa a politika. Dodržujte firemní záznam o zpracování dat.
tři mini pouzdra
Případ 1 – Zabránění porušení. Asistent chce shrnout zajímavý případ s AI pro prezentaci. Nejprve z textu vytáhne jméno, IČ, spisovou značku a datum, zobecní instituci a vybere institucí schválený nástroj, který data ve vzdělávání nepoužívá. Tím jak urychluje svou práci, tak chrání soukromí.
Případ 2 – Riziko nepřímé identifikace. Lékař zadá do AI frázi „Jediný dětský onkologický pacient v kraji X“. Neexistuje žádné jméno, ale tento popis ukazuje na jediné dítě; lze předefinovat. Podle svého kolegy lékař výrok zobecňuje ("případ dětské onkologie") a eliminuje riziko.
Případ 3 — Nesprávný nástroj. Klinika používá bezplatný nástroj k odpovídání na zprávy pacientů bez čtení zásad ochrany osobních údajů; Později se ukázalo, že nástroj používal data při školení. Instituce zastaví vozidlo, zkontroluje proces a přejde na řešení vyhovující KVKK. Čtení zásad předem by tomuto riziku předešlo.
Tabulka typů identifikátorů
Žánr
příklad
být hotovo
Přímý identifikátor
Jméno, TR ID, číslo souboru, telefon
Odebrat/označit
polopopisný
Úplné datum narození, úplná adresa
Generalizovat (rok, okres)
nepřímý identifikátor
Vzácná diagnóza + ústav + anamnéza
Zobecněte kontext
volný text
Jméno/událost uvedena v poznámce
Naskenujte a vyčistěte
Netěsnost výstupu
Identita v textu generovaném AI
Zkontrolujte také výstup
Čtyři kopírovatelné šablony
Úkol: Najděte a kategorizujte VŠECHNY osobní/zdravotní identifikátory v níže uvedeném textu: přímé (jméno, IČ, číslo spisu, telefon, adresa), polo (úplné datum), nepřímé (vzácná diagnóza + instituce + datum). Nahraďte každý textem [LABEL] při zachování klinického významu. Text: [...]
Úkol: Posuďte riziko ČERVENÉ IDENTIFIKACE tohoto shrnutí případu. Jaká kombinace informací by mohla ukazovat na osobu? Jaká tvrzení bych měl zobecnit, abych snížil riziko? Shrnutí: [...]
Úkol: Vytvořte kontrolní seznam, abych mohl vyhodnotit zásady ochrany osobních údajů nástroje AI: používají se data při školení, kolik se jich ukládá, kde je server, kdo k němu přistupuje, existuje smlouva KVKK/zpracovatel dat?
Úkol: Naskenujte a označte následující VÝSTUP AI pro jakékoli identifikační nebo reidentifikační informace, které může obsahovat. V případě netěsností navrhněte vyčištěnou verzi. Výstup: [...]
Slabá výzva / Silná výzva
Slabý: "Ahmet Yılmaz, TC 123..., složka 456, X Hospital, shrnuje epikrizu hospitalizovaného pacienta s následující diagnózou."
Güçlü: "Zjednodušte anonymní shrnutí případu: Muž ve věku 60 let, hospitalizace na interním oddělení, [DIAGNOSTIKA], [LÉČBA]. Neuvádí se jméno, ID, číslo spisu, instituce a celé datum. Na výtisku neuvádějte žádné identifikační údaje."
Ve výkonné výzvě jsou data minimalizována a anonymní; jak soukromí, tak výstup jsou chráněny.
Časté chyby
- Pomyšlení "Smazal jsem jméno, jsem v bezpečí". Nepřímé identifikátory také popisují.
- Poskytování zbytečných dat. Informace, které nejsou pro úkol vyžadovány, by se neměly zadávat vůbec.
- Nečtení zásad. Mělo by být známo, zda nástroj používá data při školení.
- Neovládání výstupu. Identita může také uniknout ve výstupu AI.
- Obcházení souhlasu. V případě potřeby by neměl být zanedbán výslovný souhlas a postup.
Při porušení: další články v řetězu
Anonymizace a výběr nástrojů jsou preventivní ochrany; Ale pokud dojde k porušení, mělo by být předem známo, co dělat. KVKK ukládá správci údajů určité povinnosti: v případě zjištění porušení neprodleně vyhodnotit porušení, informovat příslušné osoby a v případě potřeby i Sbor pro ochranu osobních údajů, omezit škody. V klinickém prostředí to vyžaduje, aby proces jako správce údajů provozovala instituce, nikoli jeden lékař.
V praxi je důležité porušení skrývat nebo minimalizovat. Postoj „stejně to nemělo jméno“ nebo „nikdo si toho nevšimne“ dále podkopává jak právní riziko, tak důvěru pacientů. Správným způsobem je okamžitě nahlásit incident příslušnému útvaru instituce (správci údajů/compliance), zdokumentovat, která data kam jdou, a provést opravu, aby se předešlo opakování. Porušení je také příležitostí k učení, které odhalí slabé místo systému: který krok byl přeskočen, jaké pravidlo chybělo?
Upozornění: Skrytí porušení ochrany osobních údajů může mít závažnější důsledky než samotné porušení. Transparentní hlášení a rychlá náprava je správnou cestou, jak z právního, tak z etického hlediska.
V souhrnu
Údaje o pacientech jsou zvláštními osobními údaji podle KVKK a vyžadují nejvyšší ochranu. Při práci s umělou inteligencí aplikujte tři způsoby obrany: neposkytujte data, která nejsou potřeba (minimalizace), anonymizujte to, co poskytujete (přímé a nepřímé identifikátory), vybírejte pouze nástroje, které jsou v souladu se zásadami a nepoužívejte data pro školení. Zkontrolujte také těsnost výstupu. Následky porušení jsou klinicky, právně a eticky závažné; Odpovědnost leží na lékaři a instituci.
Aplikační úkol
Vyhodnoťte zásady ochrany osobních údajů nástroje umělé inteligence, který sami používáte, pomocí kontrolního seznamu výše: používají se data při školení, kolik se jich ukládá, kde je server? Poté anonymizujte text skutečného případu (vlastní rukou); Najděte a vymažte každý z přímých, semi a nepřímých identifikátorů. Zvažte, zda přetrvává riziko opětovné identifikace.
kontrolní seznam
- [ ] Nikdy jsem k úkolu nedával zbytečná data.
- [ ] Odstranil jsem/označil jsem přímé identifikátory.
- [ ] Zobecnil jsem polo- a nepřímé identifikátory.
- [ ] Posoudil jsem riziko opětovné identifikace.
- [ ] Přečetl jsem si zásady ochrany osobních údajů nástroje a ověřil jsem si jeho vhodnost.
- [ ] Zkontroloval jsem výstup AI kvůli úniku identity.
- [ ] V případě potřeby jsem použil výslovný souhlas a institucionální postup.