Gevinster:
- Evne til at skelne de data, der gør den gravide kvinde direkte eller indirekte identificerbar og afidentificere dem, før de videregives til kunstig intelligens
- Evne til at anvende dataminimering og tilegne sig for vane kun at bruge institutionsgodkendte værktøjer inden for rammerne af KVKK
- 'Kan denne person findes fra denne tekst?' Evne til at håndtere risikoen for re-identifikation ved at anvende testen
Jordemoder er en profession, der berører folks mest private oplysninger: hvordan en graviditet opstår, tidligere graviditeter, aborter, tab, forhold, mental tilstand, seksuel sundhed. Når denne information falder i de forkerte hænder, forårsager det uoprettelig skade - en krise i hjemmet, et socialt stigma, et tab af tillid. Derfor er tavshedspligt ikke en "tillægsregel" i jordemoderfaget, men fagets fundament. Når du introducerer kunstig intelligens i din virksomhed, åbner der sig en ny grænse for privatliv: alt, hvad du indtaster i en chatassistent, kan være ude af din kontrol. Denne enhed lærer dig ende-til-ende, hvordan du beskytter gravide data, når du bruger AI - især inden for rammerne af KVKK (lov om beskyttelse af personoplysninger; loven om behandling af personoplysninger i Türkiye).
Grundprincippet er i én sætning: Enhver information, der gør en gravid kvinde genkendelig, bør aldrig indgå i et kunstig intelligens-værktøj. At lære denne regel har forrang over alle andre færdigheder i modulet; Fordi en gang lækket data ikke kan hentes.
Bemærk: Den tekst, du indtaster i et AI-værktøj, går til den pågældende tjenestes servere; kan opbevares, behandles og i nogle tilfælde bruges til modeltræning. At sige "Jeg ville bare have et resumé" returnerer ikke dataene. Den eneste sikre måde er aldrig at indtaste legitimationsoplysningerne i første omgang.
Hvad er persondata, hvilke oplysninger gør dem identificerbare?
Personoplysninger er enhver information, der gør en person direkte eller indirekte identificerbar. I jordemoderfaget er disse især i den særlige kategori (såsom helbredsdata, som får den højeste beskyttelse i loven). Overvej de oplysninger, der giver anerkendelse i to grupper:
Direkte identifikatorer: Navn-efternavn, TR ID-nummer, fil-/protokolnummer, telefon, adresse, e-mail, fødselsdato, konto på sociale medier, foto.
Indirekte deskriptorer (kombineret for at gøre det genkendeligt): "Den eneste trillingsgraviditet i det kvarter", "den eneste 44-årige i institutionen med sin første graviditet", en sjælden sygdom + en lille bebyggelse, arbejdsplads + gestationsalder. Nogle få detaljer, der virker uskyldige i sig selv, kan pege på en person, når de bringes sammen. Dette kaldes genidentifikationsrisiko.
Afidentifikation er processen med at fjerne disse identifikatorer fra teksten. En veludført afidentifikation sletter både direkte og indirekte identifikatorer.
Trin for trin: Afidentifikation før data gives til AI
- Slet direkte identifikatorer: Navn, ID, telefonnummer, filnummer, adresse, dato - fjern dem alle. Erstat det med generaliseringer som "Gravid A", "omkring 38 år", "andet trimester".
- Sløring af indirekte ledetråde: Gør nøjagtig alder til rækkevidde (f.eks. "tidlige 40'ere"), præcis placering til region, sjældne kombinationer til generelt.
- Kassér unødvendige detaljer: Giv den mindste information, der er nødvendig for, at AI kan udføre sit arbejde (dataminimering). En gravid kvindes historie er ikke påkrævet for at skrive et ammekort.
- Tjek institutionspolitik: Nogle institutioner definerer godkendte/institutionelle AI-værktøjer; kan forbyde indtastning af patientdata i personlige/gratis værktøjer. Følg din institutions regel.
- Afsluttende læsning: Før du sender prompten "kan denne person findes fra denne tekst?" Læs den en gang til.
Det sværeste af disse fem trin er det andet – sløring af indirekte ledetråde – fordi sletning af direkte identifikatorer er let og kommer først til syne, men det meste af genkendelsen kommer faktisk fra kombinationen af indirekte detaljer. Kombinationen af et erhverv, en alder, et opholdssted og en sjælden tilstand kan reducere en person til en enkelt person, selvom der ikke er nævnt noget navn. Derfor bør afidentifikation ikke opfattes som "sletning af navne", men som "at sikre, at ingen, der læser denne tekst, kan gætte personen." Denne mentale ramme reducerer radikalt risikoen for genidentifikation.
Tip: En god test: Hvis du viser den afidentificerede tekst til en kollega, der kender den gravide kvinde, ville hun så sige "det er sådan og sådan"? Hvis han kan sige det, betyder det, at du ikke har identificeret ham nok.
tre minisager
Case 1 – Indirekte anerkendelse: Da en jordemoder bad AI om et historieresumé, udelod hun id'et, men efterlod udtrykket "den eneste firlingegraviditet i vores by." Denne enkelte sætning peger direkte på personen på det lille sted. Hans kollega bemærker og advarer; Jordemoderen generaliserer udtrykket som "flergangsgraviditet". Lektion: indirekte identifikatorer er lige så farlige som direkte identifikatorer.
Case 2 — Dataminimering: En anden jordemoder indsætter sædvanligvis hele den gravide kvindes fil i AI i stedet for bare at udskrive en "graviditetsernæring"-brochure. Det står: Der kræves ingen personlige data til brochuren. Han tager brochuren uden at aflevere filen, han skriver bare emnet. De mest sikre data er data, der aldrig deles.
Case 3 — Forkert værktøj: I det tredje eksempel er en jordemoder ved at indtaste patientoplysninger i en tilfældig ansøgning på sin personlige telefon, når hun husker institutionspolitikken: patientdata kan kun behandles afidentificeret og ved hjælp af institutionsgodkendte værktøjer. Bruger ikke den personlige app. Et datalæk opstår ofte fra et sådant øjeblik af "bekvemmelighed" og ikke fra en teknisk fejl.
Kopierbare skabeloner
Rolle: Du er afidentifikationskontrolassistent.Opgave: Marker hvert udtryk i teksten nedenfor, der DIREKTE eller INDIREKTE kan identificere en person:- Direkte: navn, ID, telefon, adresse, filnummer, nøjagtig dato, foto.- Indirekte: sjælden kombination, lille sted + speciel situation, nøjagtig alder, arbejdsplads, unik/unik kvalitet.Foreslå en sikrere [tekst].
Rolle: Du er dataminimeringskonsulent. Opgave: Jeg vil udføre dette job: [job]. Hvad er den mindste information, jeg SKAL give DIG for at gøre dette? Marker unødvendige patientoplysninger som "[GIVER IKKE]".
Rolle: Du er den sikre resuméassistent. Opgave: Opsummer den DIDIDENTIFICEREDE historie nedenfor. Hvis du ser identifikationsoplysninger i teksten, skal du ikke opsummere; skriv i stedet "Jeg har registreret legitimationsoplysninger, ryd venligst og send igen." Historie: [historie]
Tjekliste for påmindelse om institutionspolitik (spørg dig selv):- Er dette værktøj godkendt af min institution?- Er der nogen personlig identificerbar information i de data, jeg har indtastet?- Er disse oplysninger virkelig nødvendige for dette job?- Kan nogen, jeg kender, finde personen, hvis de læser teksten?- Vil jeg tilføje identifikationsoplysninger, når jeg gemmer outputtet?
Svag prompt / Stærk prompt
Svag: "Ayşe Y., 39, tredje graviditet, på følgende hospital, filnummer 4412; opsummer hendes historie."
Denne prompt er fuld af direkte identifikatorer; Private data blev lækket, så snart de blev sendt.
Stærk:
Rolle: sikker resuméassistent. Opsummer følgende anonyme historie. "Gravid A, slutningen af 30'erne, tredje graviditet, [relaterede medicinske oplysninger anonyme]." Hvis du ser identificerende oplysninger i teksten, skal du ikke opsummere, advare.
Forskel: Der er ingen direkte/indirekte identifikatorer i den stærke version; der er bare den identitetsløse kontekst, der skal til for at udføre jobbet. Sikkerheden starter før prompten er skrevet.
Hvad skal man dele og hvad man ikke skal dele
Informationstype
Falder det ind i AI?
alternativ
Navn, TR ID, telefon, adresse, filnummer
aldrig
"Gravid A"
Præcis alder / nøjagtig dato
nej
Aldersgruppe/trimester
Sjælden + lille sted kombination
nej
generalisere
Generel medicinsk kontekst (anonym)
Ja, hvis nødvendigt
Anvend dataminimering
Foto/billede
Nej (ansigt/tegn)
ikke nødvendigt
Køretøj ikke godkendt af institutionen
Ingen patientdata
Godkendt køretøj
Almindelige fejl
- Bare at slette navnet og efterlade indirekte spor: Risikoen for genidentifikation består.
- Indsættelse af hele filen for "for nemheds skyld": Overtræder princippet om dataminimering.
- Indtastning af patientdata i personlige/ikke-godkendte enheder: Det kan være i strid med institutionspolitik og KVKK.
- Deling af et billede/skærmbillede: Ansigtet, navnet og filnummeret på billedet kan forblive fortroligt.
- Tilføjelse af et ID, mens outputtet gemmes: Tilføjelse af et ID til outputtet, der kommer uden et ID, bringer risikoen tilbage.
- Forudsat "det bliver slettet alligevel": Du ved ikke, hvad dataene er; Den eneste garanti er ikke at sende noget som helst.
Sammenfattende
Når du bruger kunstig intelligens, er privatlivets fred en forudsætning, ikke en teknikalitet. Enhver information, der gør en gravid kvinde direkte (navn, ID, telefon) eller indirekte (sjælden kombination + lille placering) genkendelig, bør ikke indgå i et AI-værktøj. Øv dataminimering - giv den mindste information, der er nødvendig for at udføre jobbet - og brug kun værktøjer, der er godkendt af din organisation. Uden at sende prompten "kan denne person findes fra denne tekst?" lav testen. Når først de er lækket, kan data ikke hentes; Derfor starter sikkerheden før prompten skrives.
Ansøgningsopgave
Tag en ægte graviditetshistorie (på papir) og rens teksten trin for trin ved hjælp af afidentifikationsskabelonen: først direkte, derefter indirekte identifikatorer. Vis den slettede tekst til en kollega og spørg "hvem kan det være?" spørge; Hvis du kan genkende det, så generaliser det yderligere. Find også din egen institutions AI/datapolitik, opsummer den i én sætning, og noter hvilke værktøjer der er godkendt.
tjekliste
- [ ] Jeg fjernede alle direkte identifikatorer (navn, ID, telefon, adresse, filnummer).
- [ ] Jeg generaliserede indirekte deskriptorer (sjælden kombination, lille placering, nøjagtig alder).
- [ ] Jeg har kun givet den mindste information, der er nødvendig for at udføre jobbet.
- [ ] Jeg brugte kun et værktøj godkendt af min institution.
- [ ] "Kan denne person findes fra denne tekst?" Jeg lavede testen.
- [ ] Jeg tilføjede ikke nogen legitimationsoplysninger til outputtet bagefter.