Κέρδη:
- Δυνατότητα διαχείρισης της κοινής χρήσης δεδομένων σε εργαλεία AI στο πλαίσιο του KVKK, γνωρίζοντας ότι τα δεδομένα υγείας των ασθενών είναι ειδικά προσωπικά δεδομένα
- Δυνατότητα μετατροπής εννοιών όπως η ανωνυμοποίηση, η συμφωνία επεξεργασίας δεδομένων, η διεθνής μεταφορά και αποθήκευση σε μια πρακτική λίστα ελέγχου
- Δυνατότητα αξιολόγησης της ασφάλειας, της εντοπιότητας δεδομένων, της πιστοποίησης και των συμβατικών κριτηρίων κατά την επιλογή ενός εργαλείου AI για την κλινική
Τα δεδομένα που επεξεργάζονται στην οδοντιατρική δεν είναι συνηθισμένα δεδομένα. Όνομα ασθενούς, αριθμός TR ID, ακτινογραφία, διάγνωση και ιστορικό θεραπείας. Θεωρούνται "προσωπικά δεδομένα ειδικής ποιότητας" - δηλαδή δεδομένα υγείας - στο πεδίο εφαρμογής του KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα) και απαιτούν το υψηλότερο επίπεδο προστασίας. Αυτό είναι το ζήτημα που τις περισσότερες φορές παραμελείται, αλλά δημιουργεί τη μεγαλύτερη ευθύνη κατά την εισαγωγή εργαλείων AI στην κλινική. Σε αυτήν την ενότητα, θα δούμε πώς να επεξεργαζόμαστε με ασφάλεια δεδομένα υγείας σε εργαλεία τεχνητής νοημοσύνης, πώς να επιλέγουμε ποιο εργαλείο με ποια κριτήρια και πώς να διαμορφώνουμε μια λίστα ελέγχου συμμόρφωσης.
Βασική αρχή: Τα δεδομένα υγείας των ασθενών υποβάλλονται σε επεξεργασία μόνο σε συστήματα που είναι συμβατά με το KVKK, ασφαλή και με σύμβαση. Μην ανεβάζετε στοιχεία αναγνώρισης του ασθενούς σε εργαλείο που δεν είστε βέβαιοι ότι είναι ασφαλές.
Γιατί τα δεδομένα υγείας είναι ιδιωτικά;
Το KVKK προστατεύει τα προσωπικά δεδομένα. Παρέχει πρόσθετες διασφαλίσεις θεωρώντας τα δεδομένα υγείας ως «ειδικής ποιότητας». Η διαρροή δεδομένων υγείας μπορεί να προκαλέσει μη αναστρέψιμη βλάβη: παραβιάζεται το απόρρητο του ασθενούς, μπορεί να υποστεί διακρίσεις, η φήμη και η νομική υπόσταση της κλινικής βλάπτονται. Επομένως, η επεξεργασία δεδομένων υγείας απαιτεί ρητή συγκατάθεση, περιορισμό σκοπού και ισχυρά μέτρα ασφαλείας.
Προσοχή: Η μεταφόρτωση μιας ακτινογραφίας ασθενούς σε ένα δημόσιο εργαλείο συνομιλίας "μόνο για σχόλια" ενδέχεται να θέσει αυτά τα δεδομένα πέρα από τον έλεγχό σας. Μην κοινοποιείτε πληροφορίες αναγνώρισης χωρίς να γνωρίζετε πώς το εργαλείο αποθηκεύει και χρησιμοποιεί τα δεδομένα σας.
Ανωνυμοποίηση: η πρώτη γραμμή άμυνας
Ανωνυμοποίηση σημαίνει αφαίρεση όλων των πληροφοριών που προσδιορίζουν το άτομο από τα δεδομένα (όνομα, επώνυμο, TR ID, ημερομηνία γέννησης, επαφή, αριθμός αρχείου, αναγνωρίσιμα χαρακτηριστικά στην εικόνα προσώπου/στομάτων). Εάν πρόκειται να λάβετε μόνο ένα γενικό σχόλιο ή περίγραμμα από ένα εργαλείο τεχνητής νοημοσύνης, ανωνυμοποιήστε πρώτα τα δεδομένα. Αλλά να είστε προσεκτικοί: ορισμένα δεδομένα από μόνα τους, όπως μια ακτινογραφία ή μια εικόνα προσώπου, μπορούν έμμεσα να ταυτοποιήσουν ένα άτομο. Βεβαιωθείτε για την ασφάλεια του εργαλείου πριν τα μοιραστείτε.
ταυτοποιητικές πληροφορίες
Τι να κάνουμε
Όνομα, επώνυμο, TR
Αφαίρεση/δώστε κωδικό
Ημερομηνία γέννησης, ηλικία
Αφαιρέστε εάν δεν χρειάζεται, εύρος ηλικίας εάν χρειάζεται
Επικοινωνία (τηλέφωνο, διεύθυνση)
Αφαιρέστε το οπωσδήποτε
Αριθμός αρχείου/ασθενούς
Αφαίρεση ή ανώνυμος κωδικός
Ακτινογραφία/φωτογραφία
Λειτουργείτε μόνο σε ασφαλές, συμβεβλημένο όχημα
Κριτήρια επιλογής ασφαλούς οχήματος
Πριν φέρετε ένα εργαλείο AI στην κλινική, κάντε τις εξής ερωτήσεις:
- Συνθήκες επεξεργασίας δεδομένων: Για ποιον σκοπό χρησιμοποιεί η πολιτική απορρήτου του εργαλείου τα δεδομένα σας; Το χρησιμοποιεί για την εκπαίδευση του μοντέλου;
- Θέση δεδομένων (αποθήκευση): Πού αποθηκεύονται τα δεδομένα; Στο εσωτερικό ή στο εξωτερικό;
- Διεθνής μεταφορά: Εάν τα δεδομένα μεταφέρονται στο εξωτερικό, πληρούνται οι προϋποθέσεις που ορίζει η KVKK;
- Συμφωνία επεξεργασίας δεδομένων: Υπάρχει γραπτή συμφωνία (DPA) με τον πάροχο ως υπεύθυνο επεξεργασίας δεδομένων;
- Μέτρα ασφαλείας: Υπάρχει κρυπτογράφηση, έλεγχος πρόσβασης, καταγραφή;
- Πιστοποίηση / Κανονισμός: Εάν χρησιμοποιείται για ιατρικούς σκοπούς, συμμορφώνεται με τη σχετική νομοθεσία για τα ιατροτεχνολογικά προϊόντα;
- Διαγραφή και αποθήκευση: Πώς λειτουργεί το αίτημά σας για διαγραφή δεδομένων και περιόδους διατήρησης;
Συμβουλή: Ένα «δωρεάν» εργαλείο μπορεί να χρησιμοποιεί δεδομένα ως προϊόν. Ακριβώς επειδή είναι δωρεάν δεν σημαίνει ότι είναι ασφαλές. Αντίθετα, απαιτεί πιο προσεκτική ανάγνωση των συνθηκών επεξεργασίας δεδομένων.
Μίνι περίπτωση 1: Συναίνεση και όριο σκοπού
Μια κλινική λαμβάνει ρητή συγκατάθεση από ασθενείς για θεραπεία, αλλά αυτή η συγκατάθεση δεν περιλαμβάνει την επεξεργασία των δεδομένων σε ένα εργαλείο τεχνητής νοημοσύνης. Η κλινική επανεξετάζει τους σκοπούς της επεξεργασίας δεδομένων και καθιερώνει μια ξεχωριστή και σαφή διαδικασία πληροφόρησης/συναίνεσης για τη χρήση της τεχνητής νοημοσύνης. Μάθημα: η συγκατάθεση για έναν σκοπό δεν επεκτείνεται αυτόματα σε έναν άλλο. Η χρήση τεχνητής νοημοσύνης πρέπει να αναφέρεται με διαφάνεια.
Μίνι περίπτωση 2: Φόρτωση σε λάθος όχημα
Ένας βοηθός ανεβάζει την πανοραμική ακτινογραφία ασθενούς, μαζί με το όνομα και τον αριθμό αρχείου, σε ένα δωρεάν εργαλείο web χωρίς συμφωνία επεξεργασίας δεδομένων. Όταν η κλινική το αντιληφθεί αυτό, σταματά τη διαδικασία, καταγράφει το συμβάν και εκδίδει ένα πρωτόκολλο που υπενθυμίζει σε ολόκληρη την ομάδα ότι «η επεξεργασία των δεδομένων των ασθενών γίνεται μόνο σε εγκεκριμένα εργαλεία με σύμβαση». Μάθημα: μια μόνο απρόσεκτη εγκατάσταση μπορεί να δημιουργήσει σοβαρή παραβίαση δεδομένων. οι κανόνες πρέπει να είναι γραμμένοι και εκπαιδευμένοι.
Μίνι θήκη 3: Επιλέγοντας το σωστό εργαλείο
Μια κλινική συγκρίνει δύο εργαλεία υπαγόρευσης AI. Το ένα είναι φθηνό, αλλά δεν αποκαλύπτει πού αποθηκεύονται τα δεδομένα και δεν προσφέρει σύμβαση. Ο άλλος δίνει μια συμφωνία επεξεργασίας δεδομένων, δεσμεύεται να μην χρησιμοποιήσει τα δεδομένα στην εκπαίδευση μοντέλων και παρέχει κρυπτογράφηση. Η κλινική επιλέγει το δεύτερο εργαλείο, αν και είναι ελαφρώς πιο ακριβό. Μάθημα: το κριτήριο για την επιλογή ενός εργαλείου δεν είναι η τιμή, αλλά η ασφάλεια και η συμμόρφωση των δεδομένων.
Αντιγράψιμα πρότυπα
Ρόλος: Έλεγχος ανωνυμοποίησης. Εργασία: Επισημάνετε κάθε έκφραση στο παρακάτω κείμενο που μπορεί άμεσα ή έμμεσα να προσδιορίσει το άτομο (όνομα, ταυτότητα, ημερομηνία, επαφή, αριθμός αρχείου, σπάνιο χαρακτηριστικό) και προτείνετε πώς γίνεται η ανωνυμία. Κείμενο: [επικόλληση]
Ρόλος: Εκτιμητής συμμόρφωσης εργαλείου AI. Εργασία: Δημιουργήστε ερωτήσεις ελέγχου για την αξιολόγηση ενός εργαλείου τεχνητής νοημοσύνης για κλινική χρήση: συνθήκες επεξεργασίας δεδομένων, τοποθεσία αποθήκευσης, μεταφορά στο εξωτερικό, συμφωνία επεξεργασίας δεδομένων, κρυπτογράφηση, πολιτική διαγραφής, συμμόρφωση ιατροτεχνολογικών προϊόντων. Προετοιμάστε κάθε ερώτηση σε μορφή «ναι/όχι + αποδεικτικά στοιχεία».
Ρόλος: Συγγραφέας κειμένων πληροφοριών (δεδομένων) ασθενών. Εργασία: Γράψτε ένα προσχέδιο πληροφοριών που εξηγεί σε απλή γλώσσα ότι η κλινική χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης σε ορισμένες διαδικασίες, ποια δεδομένα επεξεργάζονται και πώς και τα δικαιώματα του ασθενούς. Ο γιατρός/δικηγόρος θα επαληθεύσει τις νομικές δηλώσεις. γράφοντας ένα οριστικό νομικό επιχείρημα.Πλαίσιο: [περιοχή χρήσης]
Ρόλος: Συντάκτης απόκρισης παραβίασης δεδομένων. Εργασία: Σχεδιάστε τα βήματα που θα ακολουθήσει η ομάδα σε περίπτωση πιθανής παραβίασης δεδομένων: εντοπισμός, περιορισμός, καταγραφή, αξιολόγηση, έλεγχος υποχρέωσης κοινοποίησης, προφύλαξη. Σημειώστε τις νομικές περιόδους ειδοποίησης με τη σημείωση "πρέπει να επαληθεύονται σύμφωνα με τη σχετική νομοθεσία".
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο: «Ανέβασα αυτήν την ακτινογραφία με το όνομα και την ταυτότητα του ασθενούς, επιτρέψτε μου να προσθέσω όλες τις πληροφορίες για καλύτερη ανάλυση».
Γιατί είναι αδύναμο: Εκθέτει ευαίσθητα δεδομένα με περιττό και ανασφαλή τρόπο. Δημιουργεί κίνδυνο παραβίασης του KVKK.
Ισχυρό: "Καταργήστε και ανωνυμοποιήστε όλες τις πληροφορίες αναγνώρισης ασθενών σε αυτό το κείμενο. Αφήστε μόνο κλινικά απαραίτητο, μη αναγνωρισμένο περιεχόμενο. Θα επεξεργάζομαι δεδομένα υγείας μόνο με συμβεβλημένα και ασφαλή μέσα."
Γιατί είναι ισχυρό: Εφαρμόζει την αρχή της ελαχιστοποίησης και της ανωνυμοποίησης δεδομένων, ορίζοντας την ασφάλεια του οχήματος.
Ελαχιστοποίηση δεδομένων και ομαδική κουλτούρα
Μία από τις βασικές αρχές του KVKK είναι η ελαχιστοποίηση δεδομένων: η εργασία με τα λιγότερα δεδομένα που απαιτούνται για την εκτέλεση μιας εργασίας. Αυτή η αρχή είναι ο χρυσός κανόνας στα εργαλεία τεχνητής νοημοσύνης. Δεν χρειάζεται να δώσετε το όνομα, την ταυτότητα ή τα στοιχεία επικοινωνίας του ασθενούς για να δημιουργηθεί ένα προσχέδιο κειμένου. Το κλινικό περιεχόμενο συχνά έχει νόημα χωρίς ταυτότητα. Αναρωτηθείτε με κάθε εγκατάσταση: "Είναι πραγματικά απαραίτητες αυτές οι πληροφορίες για αυτήν την εργασία;" Εάν η απάντηση είναι όχι, μην παρέχετε αυτές τις πληροφορίες. Αυτή η απλή συνήθεια μειώνει ριζικά τον αντίκτυπο μιας πιθανής διαρροής.
Αλλά ακόμη και οι καλύτεροι κανόνες είναι άχρηστοι αν η ομάδα δεν τους ακολουθεί. Η ασφάλεια των δεδομένων είναι η κουλτούρα ολόκληρης της κλινικής ομάδας και όχι ενός ατόμου. Όλοι, από τον γραμματέα μέχρι τον βοηθό, από τον τεχνικό μέχρι τον γιατρό, πρέπει να γνωρίζουν ποιο εργαλείο είναι εγκεκριμένο, ποιες πληροφορίες μπορούν να ανέβουν πού και τι πρέπει να κάνουν σε περίπτωση αμφιβολίας. Γι' αυτό είναι απαραίτητη μια γραπτή "πολιτική χρήσης δεδομένων", τακτικές σύντομες εκπαιδεύσεις και "κατάλογος εγκεκριμένων εργαλείων". Μια κουλτούρα που ενθαρρύνει την αναφορά πριν την τιμωρία όταν συμβαίνει ένα σφάλμα, αποτρέπει την απόκρυψη σφαλμάτων και ενισχύει το σύστημα.
Μίνι περίπτωση 4: Μη δίνοντας καθόλου περιττά στοιχεία
Ένας βοηθός σταματά καθώς πρόκειται να φορτώσει ολόκληρο το αρχείο ασθενούς στο AI για να παράγει ένα ενημερωτικό κείμενο: στην πραγματικότητα, μόνο οι πληροφορίες "προσθετικές επιλογές για έναν μόνο γομφίο που λείπει" είναι αρκετές. Χωρίς ταυτότητα και όλη την ιστορία, χωρίς ταυτότητα και με ελάχιστη επιθυμία, παίρνει το ίδιο αποτέλεσμα. Μάθημα: τα πιο ασφαλή δεδομένα είναι δεδομένα που δεν κοινοποιούνται ποτέ. Η ελαχιστοποίηση εξαλείφει τον κίνδυνο πριν εμφανιστεί.
Συνήθη λάθη
- Μεταφόρτωση στοιχείων ταυτοποίησης ασθενούς σε ένα μη ασφαλές/δωρεάν εργαλείο.
- Υποθέτοντας ότι η συγκατάθεση για έναν σκοπό περιλαμβάνει τη χρήση AI.
- Χωρίς έλεγχο εάν το εργαλείο χρησιμοποιεί τα δεδομένα στην εκπαίδευση μοντέλων.
- Χρήση παρόχου χωρίς συμφωνία επεξεργασίας δεδομένων (DPA).
- Αγνοώντας τις διεθνείς περιόδους μεταφοράς και διατήρησης δεδομένων.
Συνοπτικά
Τα δεδομένα υγείας ασθενών είναι ειδικά δεδομένα που εμπίπτουν στο πεδίο εφαρμογής του KVKK και απαιτούν την υψηλότερη προστασία. Κατά την επεξεργασία δεδομένων σε εργαλεία τεχνητής νοημοσύνης, ανωνυμοποιήστε τα πρώτα. Επεξεργαστείτε πληροφορίες αναγνώρισης μόνο σε ασφαλή, συμβατικά και συμβατά συστήματα KVKK. Το κριτήριο για την επιλογή ενός οχήματος δεν είναι η τιμή ή η δημοτικότητα. συνθήκες επεξεργασίας δεδομένων, τοποθεσία αποθήκευσης, διεθνής μεταφορά, σύμβαση, κρυπτογράφηση και συμμόρφωση με τους κανονισμούς. Η χρήση της τεχνητής νοημοσύνης θα πρέπει να κοινοποιείται με διαφάνεια στον ασθενή και θα πρέπει να λαμβάνεται η απαραίτητη συγκατάθεση.
Εργασία εφαρμογής
Καταγράψτε όλα τα τεχνητή νοημοσύνη και τα ψηφιακά εργαλεία που έρχονται σε επαφή με δεδομένα ασθενών στην κλινική σας. Απαντήστε στις ερωτήσεις που δημιουργούνται από την προτροπή «Αξιολογητής συμμόρφωσης εργαλείου AI» για καθεμία (τοποθεσία δεδομένων, σύμβαση, κρυπτογράφηση, διαγραφή). Επισημάνετε όσα δεν συμμορφώνονται και δημιουργήστε μια λίστα "εγκεκριμένων εργαλείων" και μια λίστα "απαγορευμένων/αναστολών εργαλείων" και ανακοινώστε την στην ομάδα σας.
λίστα ελέγχου
- [ ] Επεξεργάζομαι δεδομένα αναγνώρισης ασθενών μόνο σε εγκεκριμένα εργαλεία με σύμβαση.
- [ ] Ανωνυμοποίησα δεδομένα όπου ήταν απαραίτητο.
- [ ] Έχω δημιουργήσει μια ξεχωριστή διαδικασία πληροφόρησης/συναίνεσης για τη χρήση του AI.
- [ ] Αξιολόγησα τη θέση δεδομένων, τη σύμβαση και την κατάσταση ασφάλειας κάθε εργαλείου.
- [ ] Ανακοίνωσα τις εγκεκριμένες και απαγορευμένες λίστες οχημάτων στην ομάδα.