Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη στην Ακουολογία: Ρόλοι, Όρια, Επικύρωση και Ηθική 2. Υποστήριξη ανάγνωσης ακουστικών και σχολίων: Επικύρωση σχεδίου AI 3. Προ-αξιολόγηση των αποτελεσμάτων του προσυμπτωματικού ελέγχου ακοής: Νεογέννητο, Σχολείο και Εργασία 4. Υποστήριξη ερμηνείας τυμπανομετρίας, ακουστικού αντανακλαστικού και μεσαίου αυτιού 5. Επιλογή βαρηκοΐας και αξιολόγηση καταλληλότητας 6. Προγραμματισμός ακουστικών βαρηκοΐας (Fitting) Ροή εργασιών και μέτρηση πραγματικού αυτιού 7. Τεχνητή Νοημοσύνη σε Εμβοές και Αξιολόγηση Ισορροπίας/Αίθουσας 8. Εκπαίδευση Ασθενούς και Οικογένειας: Απλή γλώσσα και παραγωγή υλικού 9. Κλινική Αναφορά και Τεκμηρίωση: Από το Σχέδιο στην Έγκριση Εμπειρογνώμονα 10. Δεδομένα συσκευής, Τηλεακουστολογία και Απόρρητο (KVKK) 11. Περίπτωση από άκρο σε άκρο: Ροή εργασίας με τεχνητή νοημοσύνη από τη σάρωση στην παρακολούθηση
Μονάδα 10 / 11

Δεδομένα συσκευής, Τηλεακουστολογία και Απόρρητο (KVKK)

Κέρδη:

  • Κατανόηση των κινδύνων απορρήτου και των υποχρεώσεων KVKK των δεδομένων του ακουστικού βαρηκοΐας και της συσκευής σάρωσης (καταγραφή δεδομένων, δεδομένα εφαρμογής)
  • Δυνατότητα σχεδιασμού της χρήσης τεχνητής νοημοσύνης με ασφαλή και ανώνυμο τρόπο στη ροή τηλεακουστικής (απομακρυσμένης τοποθέτησης και παρακολούθησης)
  • Δυνατότητα εφαρμογής ορίων και βημάτων ανωνυμοποίησης της αποστολής δεδομένων ασθενών σε εργαλεία τεχνητής νοημοσύνης που βασίζονται σε σύννεφο

Η σύγχρονη ακουολογία δεν λειτουργεί πλέον αποκλειστικά με δεδομένα που παράγονται στην κλινική. Τα ακουστικά βαρηκοΐας και οι εφαρμογές για κινητά συλλέγουν συνεχώς δεδομένα. Οι ασθενείς παρακολουθούνται εξ αποστάσεως. Οι συσκευές σάρωσης συνδέονται με συστήματα cloud. Αν και αυτό προσφέρει ισχυρές ευκαιρίες, δημιουργεί επίσης σοβαρές ευθύνες προστασίας της ιδιωτικής ζωής. Σε αυτήν την ενότητα, θα καλύψουμε τους κινδύνους απορρήτου από τα ακουστικά βαρηκοΐας και τα δεδομένα προσυμπτωματικού ελέγχου, την ασφαλή χρήση της τεχνητής νοημοσύνης στην τηλεακουστική (απομακρυσμένη εφαρμογή και παρακολούθηση) και τα όρια αποστολής δεδομένων ασθενών σε εργαλεία που βασίζονται σε σύννεφο. Κύρια αρχή: Τα δεδομένα ασθενών και συσκευής είναι δεδομένα υγείας ειδικής ποιότητας. Απαιτεί την υψηλότερη προστασία εντός του πεδίου εφαρμογής του KVKK. Πριν από την αποστολή δεδομένων στην τεχνητή νοημοσύνη, γίνεται ανωνυμία, επιλέγεται ένα ασφαλές εργαλείο και μοιράζονται μόνο τα απαραίτητα δεδομένα.

Τι δεδομένα συσκευής συλλέγει;

Τα σύγχρονα ακουστικά βαρηκοΐας και εφαρμογές πραγματοποιούν καταγραφή δεδομένων: πόσες ώρες την ημέρα χρησιμοποιείται η συσκευή, σε ποια περιβάλλοντα (ήσυχο, θορυβώδες, μουσική) λειτουργεί, ποια προγράμματα/ επίπεδα ήχου προτιμά ο ασθενής μπορούν να καταγραφούν. Οι εφαρμογές για κινητά μπορούν να προσθέσουν τοποθεσία, συνήθειες χρήσης και μερικές φορές δεδομένα πολυμέσων ήχου σε αυτό. Αυτά τα δεδομένα είναι πολύτιμα για την παρακολούθηση και την παρακολούθηση — αλλά περιέχουν επίσης ευαίσθητες πληροφορίες σχετικά με τις ρυθμίσεις διαβίωσης ενός ατόμου.

Εντός του πεδίου εφαρμογής του KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα), τα δεδομένα υγείας είναι δεδομένα ειδικής ποιότητας. Αυτό σημαίνει ότι η επεξεργασία του απαιτεί αυστηρότερους όρους, ρητή συναίνεση και υψηλά μέτρα ασφαλείας. Τα δεδομένα του ακουστικού βαρηκοΐας περιλαμβάνονται επίσης σε αυτό το πεδίο.

Προσοχή: Τα δεδομένα "Φαίνεται ότι είναι ανώνυμα" δεν είναι πάντα ανώνυμα. Όταν ένα σπάνιο προφίλ απώλειας ακοής συνδυάζεται με μια συγκεκριμένη ηλικία και τοποθεσία, το άτομο μπορεί να αναγνωριστεί ξανά. Η ανωνυμοποίηση δεν αφορά μόνο τη διαγραφή του ονόματος, αλλά την αξιολόγηση κάθε ένδειξης που μπορεί να οδηγήσει πίσω στην ταυτότητα.

Όρια αποστολής δεδομένων σε εργαλεία τεχνητής νοημοσύνης στο cloud

Ό,τι πληκτρολογείτε σε ένα εργαλείο τεχνητής νοημοσύνης γενικής χρήσης, δημόσιας χρήσης πηγαίνει στους διακομιστές αυτής της υπηρεσίας και έχετε περιορισμένο έλεγχο για το τι συμβαίνει. Επειδή:

  • Πραγματικό όνομα, T.C. Τα άμεσα αναγνωριστικά όπως ο αριθμός ταυτότητας, η διεύθυνση, το τηλέφωνο, ο σειριακός αριθμός συσκευής δεν εισάγονται ποτέ.
  • Αποφεύγονται σπάνιοι/μοναδικοί συνδυασμοί λεπτομερειών που θα μπορούσαν να οδηγήσουν πίσω στην ταυτότητα.
  • Εάν είναι δυνατόν, προτιμώνται εταιρικά, ασφαλή εργαλεία με σαφείς συνθήκες επεξεργασίας δεδομένων.
  • Μοιράζονται μόνο τα ελάχιστα δεδομένα που είναι απαραίτητα για την εκτέλεση της εργασίας (ελαχιστοποίηση δεδομένων).

Τύπος δεδομένων

Μπορεί να μπει σε δημόσιο όχημα;

ασφαλής εναλλακτική λύση

Όνομα, T.R., επικοινωνία

ποτέ

ανώνυμος κωδικός

Αριθμός σειράς συσκευής

ποτέ

Τύπος συσκευής (γενικό)

Ακατέργαστο ακοόγραμμα + ID

όχι

Ανώνυμα, ανώνυμα όρια

Ανώνυμη κλινική περίληψη

Υπό όρους (ασφαλές όχημα)

Χωρίς ταυτότητα, ελάχιστα στοιχεία

Καταγραφή δεδομένων + ταυτότητα

όχι

Ανώνυμη συνοπτική τάση

Ασφαλής τεχνητή νοημοσύνη στην τηλεακουστική

Η τηλεακουστολογία είναι μια πρακτική κατά την οποία ο ασθενής αξιολογείται εξ αποστάσεως έξω από την κλινική (από το σπίτι του) και η συσκευή του ρυθμίζεται ή παρακολουθείται εξ αποστάσεως. Η τεχνητή νοημοσύνη είναι εδώ. Μπορεί να βοηθήσει με εργασίες όπως η σύνοψη δεδομένων απομακρυσμένης χρήσης, η σύνταξη απαντήσεων σε μηνύματα ασθενών ή η δημιουργία υπενθυμίσεων παρακολούθησης. Αλλά μια σύσταση ρύθμισης που βασίζεται σε δεδομένα απομακρυσμένης χρήσης δεν μπορεί να εφαρμοστεί άμεσα: το πραγματικό παράπονο του ασθενούς πρέπει να επαληθευτεί με το προφίλ ακοής και, εάν είναι απαραίτητο, μια νέα μέτρηση και η ρύθμιση της συσκευής δεν πρέπει να αλλάξει μόνιμα χωρίς έγκριση από τον ειδικό.

Βήμα προς βήμα: ροή εργασιών με ασφάλεια ως προς το απόρρητο

  1. Κάντε ένα απόθεμα δεδομένων. Προσδιορίστε ποιο μέρος των δεδομένων σας αποκαλύπτει την ταυτότητα.
  2. Ανωνυμοποίηση. Εξαγωγή άμεσων αναγνωριστικών, γενίκευση σπάνιων συνδυασμών.
  3. Επιλέξτε όχημα. Εάν η εργασία είναι ευαίσθητη, επιλέξτε ένα ασφαλές/επιχειρηματικό εργαλείο. τοποθέτηση ευαίσθητων δεδομένων σε ένα δημόσιο εργαλείο.
  4. Κοινή χρήση ελάχιστων δεδομένων. Στείλτε μόνο αρκετά για να ολοκληρώσετε τη δουλειά.
  5. Επαληθεύστε την πρόταση εξ αποστάσεως. Επιβεβαιώστε τις τηλεακουολογικές συστάσεις με κλινική αξιολόγηση και μέτρηση εάν είναι απαραίτητο.
  6. Παρακολούθηση και συναίνεση. Βεβαιωθείτε ότι έχει ληφθεί η απαραίτητη συγκατάθεση για την επεξεργασία δεδομένων και ότι τηρείται αρχείο.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Αυτά είναι τα δεδομένα χρήσης από την εφαρμογή συσκευής της Ayşe Demir (TC 123...), πώς πρέπει να αλλάξω τη ρύθμιση: [πλήρη δεδομένα]

Περιλαμβάνει άμεση ταυτότητα και TC (σοβαρή παραβίαση KVKK) και ζητά απόφαση ρύθμισης χωρίς επαλήθευση απομακρυσμένων δεδομένων.

Ισχυρή προτροπή:

Ο ρόλος σας: Βοηθός παρακολούθησης τηλεακουολογίας. Λήψη τελικής απόφασης προσαρμογής. αποδώστε τη σύσταση σε επαλήθευση ειδικού. Δεδομένα (ανώνυμα): 65 ετών, συσκευή RIC, ~4 ώρες καθημερινή χρήση τις τελευταίες 2 εβδομάδες, κυρίως θορυβώδες περιβάλλον, ο ασθενής λέει "Δεν καταλαβαίνω σχεδόν καθόλου την ομιλία σε θόρυβο". Εργασία: λίστα ποιες πιθανές πτυχές προσαρμογής μπορούν να αναθεωρηθούν από αυτήν την τάση. Για κάθε πτυχή, γράψτε πώς θα επαληθευτεί με τον ασθενή ή/και τη μέτρηση. Δηλώστε ότι οι μόνιμες αλλαγές προσαρμογής απαιτούν έγκριση ειδικού και νέες μετρήσεις εάν είναι απαραίτητο.

Η ισχυρή προτροπή είναι ανώνυμη, χρησιμοποιεί ελάχιστα δεδομένα και συνδέει τη σύσταση με την επικύρωση και την έγκριση από ειδικούς.

τρεις μίνι θήκες

Περίπτωση 1 — Επιστροφή από παράβαση. Ένας ακουολόγος πρόκειται να επικολλήσει το πλήρες όνομα, το TC και το πλήρες ακουόγραμμα ενός ασθενούς σε ένα δημοσίως διαθέσιμο εργαλείο τεχνητής νοημοσύνης. Θυμάται τον κανόνα εταιρικού απορρήτου. αφαιρεί πληροφορίες αναγνώρισης, ανωνυμοποιεί δεδομένα όπως «ηλικία 58 ετών, δεξιά μεσαία προχωρημένη νευροαισθητήρια» και μοιράζεται μόνο τα κατώφλια που απαιτούνται για ερμηνεία. Η κλινική πρόθεση εκπληρώνεται, κανείς δεν εκτίθεται.

Περίπτωση 2 — Απομακρυσμένη επικύρωση σύστασης. Στην τηλεακουστολογία, τα δεδομένα από την εφαρμογή ενός ασθενούς συνοψίζονται από την τεχνητή νοημοσύνη, έτσι ώστε «να αυξηθεί το κέρδος του προγράμματος θορύβου». Ο ακουολόγος δεν το εφαρμόζει άμεσα. Πραγματοποιεί μια βιντεοκλήση με τον ασθενή και διευκρινίζει το παράπονο, σχεδιάζει το REM όταν χρειάζεται και αλλάζει τη ρύθμιση μόνο μετά από έγκριση. Τα δεδομένα χρήσης έγιναν ένδειξη, η απόφαση αφέθηκε στον ειδικό.

Περίπτωση 3 — Κίνδυνος επαναπροσδιορισμού. Ένας ειδικός πρόκειται να γράψει: «Το 7χρονο παιδί με απώλεια ακοής που σχετίζεται με ένα σπάνιο σύνδρομο είναι η μόνη περίπτωση στην επαρχία Χ». Συνειδητοποιεί ότι αυτός ο συνδυασμός κάνει το άτομο αναγνωρίσιμο. παραλείπει την τοποθεσία και τις σπάνιες λεπτομέρειες, αφήνοντας μόνο κλινικά σχετικές πληροφορίες. Το να μην γράψω μόνο ένα όνομα δεν παρείχε ανωνυμία.

Αντιγράψιμα πρότυπα προτροπών

ΠΡΟΤΥΠΟ ΑΝΩΝΥΜΙΩΣΗΣ + ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ Στο παρακάτω κείμενο, (1) αφαιρέστε τα άμεσα αναγνωριστικά (όνομα, αναγνωριστικό, επαφή, σειριακός αριθμός), (2) γενικεύστε σπάνιους συνδυασμούς που μπορούν να κάνουν το άτομο αναγνωρίσιμο (τοποθεσία + σπάνια διάγνωση + ηλικία), (3) διαγράψτε τυχόν δεδομένα που δεν είναι απαραίτητα για την εργασία. Κείμενο: [κείμενο]

ΠΡΟΤΥΠΟ ΑΠΟΘΕΜΑΤΟΣ ΔΕΔΟΜΕΝΩΝ Στο παρακάτω σύνολο δεδομένων, ταξινομήστε κάθε πεδίο ως "άμεσο αναγνωριστικό / έμμεσο αναγνωριστικό / κλινικά απαραίτητο / μη απαραίτητο" και υποδείξτε ποιο δεν πρέπει να αποσταλεί στο εργαλείο. Δεδομένα: [πεδία]

ΠΡΟΤΥΠΟ ΕΠΑΛΗΘΕΥΣΗΣ ΣΥΣΤΑΣΗ ΤΗΛΕΟΔΙΟΛΟΓΙΑΣΕπιλέξτε πιθανές οδηγίες προσαρμογής από τα παρακάτω δεδομένα απομακρυσμένης χρήσης. Για ΚΑΘΕ πτυχή, γράψτε το βήμα για επαλήθευση παίρνοντας συνέντευξη από τον ασθενή ή/και μέτρηση. Για μόνιμη αλλαγή απαιτείται έγκριση ειδικού, δηλώστε το. Δεδομένα (ανώνυμα): [δεδομένα χρήσης]

ΠΡΟΤΥΠΟ ΕΛΕΓΧΟΥ ΣΥΓΚΟΝΗΣΗΣ/ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ Αναφέρετε τα στοιχεία που πρέπει να ελέγχονται από την άποψη του KVKK σε μια διαδικασία τηλεακουστικής/επεξεργασίας δεδομένων (ρητή συναίνεση, ελαχιστοποίηση δεδομένων, ασφαλές εργαλείο, περίοδος αποθήκευσης, εγγραφή πρόσβασης). Δώστε το ως λίστα ελέγχου.

Συνήθη λάθη

  • Εισαγωγή στοιχείων αναγνώρισης στο όχημα. Παραβίαση KVKK με όνομα, TR ID και σειριακό αριθμό.
  • Σκεπτόμενος «Έσβησα το όνομα και έγινε ανώνυμο». Αγνοώντας τον κίνδυνο επαναναγνώρισης σπάνιων συνδυασμών.
  • Τοποθέτηση ευαίσθητων δεδομένων σε ένα δημοσίως διαθέσιμο εργαλείο. Γενική και όχι ασφαλής οδήγηση όταν η εργασία είναι ευαίσθητη.
  • Κοινή χρήση πάρα πολλών δεδομένων. Παράκαμψη ελαχιστοποίησης δεδομένων και αποστολή περιττών πληροφοριών.
  • Άμεση εφαρμογή απομακρυσμένης πρότασης. Να γίνει μόνιμη η σύσταση προσαρμογής τηλεακουολογίας χωρίς έγκριση και επαλήθευση ειδικού.

Συνοπτικά

Το ακουστικό βαρηκοΐας και τα δεδομένα προσυμπτωματικού ελέγχου είναι ειδικά δεδομένα υγείας και το KVKK απαιτεί την υψηλότερη προστασία. Πριν από την αποστολή δεδομένων στο AI, εξάγονται άμεσα αναγνωριστικά, γενικεύονται συνδυασμοί που κινδυνεύουν να επαναπροσδιοριστούν, επιλέγεται το ασφαλές εργαλείο και κοινοποιούνται μόνο τα ελάχιστα απαραίτητα δεδομένα. Στην τηλεφωνολογία, οι προτάσεις που προέρχονται από απόσταση είναι πολύτιμες ενδείξεις, αλλά δεν γίνονται μόνιμες προσαρμογές χωρίς την έγκριση και την επαλήθευση ειδικών.

Εργασία εφαρμογής

Ορίστε ένα ανώνυμο "σύνολο δεδομένων" (που περιέχει μικτά πεδία όπως όνομα, αναγνωριστικό, σειριακός αριθμός συσκευής, ηλικία, τοποθεσία, σπάνια διάγνωση, όρια ακοογραμμάτων κ.λπ.). Ταξινομήστε κάθε πεδίο με το πρότυπο "απόθεμα δεδομένων" και, στη συνέχεια, ασφαλίστε το ώστε να μπορεί να σταλεί στο εργαλείο με το πρότυπο "ανωνυμοποίηση + ελαχιστοποίηση". Επίσης, για ένα παράδειγμα δεδομένων χρήσης τηλεακουολογίας, εφαρμόστε το πρότυπο "επαλήθευση σύστασης" και γράψτε το βήμα επαλήθευσης για κάθε πτυχή ρύθμισης.

λίστα ελέγχου

  • [ ] Αφαίρεσα τα άμεσα αναγνωριστικά (όνομα, ID, σειριακός αριθμός).
  • [ ] Έχω γενικεύσει τους συνδυασμούς που κινδυνεύουν να επαναπροσδιοριστούν.
  • [ ] Επέλεξα το ασφαλές/κατάλληλο εργαλείο ανάλογα με την ευαισθησία της εργασίας.
  • [ ] Κοινοποίησα μόνο τα ελάχιστα απαιτούμενα δεδομένα.
  • [ ] Έχω συνδέσει τη σύσταση τηλεακουστολογίας με την έγκριση και την επαλήθευση ειδικού.
  • [ ] Έχω ελέγξει τις υποχρεώσεις συναίνεσης και παρακολούθησης.