حریم خصوصی، KVKK، اخلاق و امنیت داده ها

سود:

• امکان اعمال KVKK، رضایت باز و اصول کمینه سازی داده ها در پردازش داده های بیمار در ابزارهای هوش مصنوعی
• توانایی توجیه ناشناس سازی، انتخاب ابزار محلی/موسسه ای، و تصمیمات نگهداری داده ها
• توانایی تشخیص معضلات اخلاقی (سوگیری، شفافیت، ارائه اطلاعات بیمار) و ایجاد یک خط مشی استفاده مسئولانه

فیزیوتراپیست به خصوصی ترین اطلاعات بیمار خود دسترسی دارد: وضعیت سلامتی، بدن او، عکس ها، فیلم ها، زندگی روزمره. این اعتماد برای این حرفه اساسی است و توسط قانون محافظت می شود. هنگامی که ابزارهای هوش مصنوعی (AI) شروع به پردازش این داده ها می کنند، مسئولیت حفظ حریم خصوصی از بین نمی رود. برعکس، حتی پیچیده تر می شود. زیرا اکنون داده ها می توانند از کامپیوتر شما خارج شده و به سرور شرکت دیگری بروند. در این واحد، چارچوب قانونی محافظت از داده های بیمار در عصر هوش مصنوعی (KVKK)، راه های عملی حفاظت (ناشناس سازی، انتخاب ابزار) و اصول اخلاقی (سوگیری، شفافیت، اطلاعات به بیمار) را خواهید آموخت.

KVKK و داده های سلامت

KVKK (قانون حفاظت از داده های شخصی) پردازش داده های شخصی را تنظیم می کند. داده های بهداشتی در این قانون به عنوان داده های شخصی ویژه طبقه بندی می شوند. یعنی بالاترین سطح حفاظت را دارد. تشخیص، درمان، اندازه گیری، تصاویر یک بیمار؛ به عنوان یک قاعده، رضایت صریح بیمار (رضایت رایگان با دانستن اینکه برای چه چیزی استفاده خواهد شد) برای پردازش آنها لازم است. دادن این داده ها به ابزار هوش مصنوعی نیز «پردازش» است. بنابراین، همیشه سه سوال مطرح است: آیا مبنای قانونی برای پردازش (رضایت صریح) دارم؟ آیا من فقط داده های ضروری را پردازش می کنم (به حداقل رساندن داده ها)؟ آیا داده ها امن هستند؟

احتیاط: چسباندن نام، تشخیص یا تصویر بیمار در ابزار هوش مصنوعی ابری بدون رضایت صریح و ناشناس‌سازی ممکن است یک انتقال داده غیرقانونی از نظر KVKK باشد. این امر خطر آسیب به بیمار، مجازات قانونی و نقض اخلاق حرفه ای را به همراه دارد.

به حداقل رساندن داده ها و ناشناس سازی

قوی ترین راه برای محافظت از خود، به حداقل رساندن داده هایی است که باید محافظت شوند. به حداقل رساندن داده ها فقط پردازش حداقل داده های مورد نیاز برای هدف است. هوش مصنوعی نیازی به نام، شناسه یا اطلاعات تماس بیمار برای پیش نویس برنامه تمرینی ندارد. فقط به زمینه بالینی ناشناس مانند "زن 45 ساله، کمردرد مزمن، 3 ماه" نیاز دارد. ناشناس سازی به معنای حذف تمام عناصر تعیین کننده هویت (نام، شناسه، آدرس، تاریخ، موسسه، چهره) از داده ها است. داده هایی که به درستی ناشناس شده اند، دیگر داده های شخصی نیستند و می توانند بسیار ایمن تر پردازش شوند.

نوع داده

مثال

آیا باید به هوش مصنوعی داده شود؟

روش

شناسه مستقیم

نام، TR ID، تلفن

نه

آن را به طور کامل خارج کنید

شناسه غیر مستقیم

تشخیص نادر + شهر + تاریخ

مراقب باشید

تعمیم/استنتاج

زمینه بالینی

محدوده سنی، تشخیص، مرحله

بله (ناشناس)

در صورت لزوم بدهید

تصویر/فیلم

رکورد قابل مشاهده چهره

خیر (به عنوان یک قاعده)

پنهان کردن چهره، رضایت، ابزار ایمن

انتخاب وسیله نقلیه و ذخیره سازی داده ها

همه ابزارهای هوش مصنوعی برابر نیستند. برخی داده های شما را برای آموزش مدل ذخیره می کنند. بعضی ها آن را پنهان نمی کنند. برخی اطلاعات شما را به سرورهای خارج از کشور منتقل می کنند. فیزیوتراپیست باید سیاست داده ابزار مورد استفاده خود را بداند: آیا از داده ها در آموزش استفاده می شود؟ کجا و چه مدت نگهداری می شود؟ آیا با KVKK مطابقت دارد؟ در صورت امکان، ابزارهای شرکتی/قراردادی، بدون داده یا کار محلی باید ترجیح داده شوند. یک قرارداد پردازش داده های شرکتی (DPA) و یک خط مشی حفظ شفاف نشانه های انتخاب ابزار ایمن هستند.

نکته: ابزار "رایگان" اغلب می تواند به معنای پرداخت با داده باشد. وقتی صحبت از داده‌های بیمار می‌شود، خواندن خط‌مشی داده‌های خودرو یک امر لوکس نیست، بلکه یک ضرورت است. در صورت شک، داده ها را ناشناس کنید و هیچ شناسه ای را به اشتراک نگذارید.

در مقیاس سازمانی، حریم خصوصی فراتر از توجه فردی است و به یک موضوع سیاست تبدیل می شود. اگر ده فیزیوتراپیست مختلف در یک کلینیک به ده روش مختلف رفتار کنند، حتی محتاط ترین آنها نیز نمی تواند خطرات ناشی از بی دقت ترین آنها را پوشش دهد. به همین دلیل است که یک خط مشی مکتوب استفاده از داده ها ضروری است: چه ابزارهایی مجاز هستند، چه داده هایی هرگز نمی توانند به اشتراک گذاشته شوند، در صورت وقوع نقض چه باید کرد. علاوه بر این، یک طرح نقض داده (به چه کسی در هنگام مشاهده نشت مطلع می شود، نحوه محدود شدن آن، اطلاع رسانی به موسسه ذیصلاح و در صورت لزوم بیمار) باید از قبل تهیه شود. KVKK یک تعهد اطلاع رسانی را برای برخی تخلفات اعمال می کند. برای یادگیری این موضوع در زمان حادثه خیلی دیر است. خبر خوب این است که وقتی نظم اولیه در این واحد (ناشناس سازی، کمینه سازی، ابزار امن، شفافیت) اعمال شود، احتمال و تأثیر نقض به میزان قابل توجهی کاهش می یابد.

اخلاق: سوگیری، شفافیت، اطلاع رسانی به بیمار

حریم خصوصی حوزه قانون است. اخلاق گسترده تر است. سه موضوع اخلاقی برجسته است. تعصب: هوش مصنوعی ممکن است برای گروه هایی که در داده های آموزشی کمتر ارائه شده اند (سن، جنسیت، قومیت، ناتوانی خاص) نادرست تر باشد. خروجی باید با دقت بیشتری در این گروه ها تایید شود. شفافیت: باید به وضوح به بیمار بگویید که از هوش مصنوعی استفاده می کنید. پنهان کردن اعتماد را خدشه دار می کند. اطلاعات و استقلال برای بیمار: بیمار حق دارد در مورد داده های خود تصمیم بگیرد. نمی توان از طرف او تصمیمات خودکار و پنهانی گرفت.

گام به گام: استفاده ایمن و اخلاقی از داده ها

1. رضایت بگیرید توضیح دهید که داده های بیمار پردازش خواهد شد و از هوش مصنوعی استفاده خواهد شد و رضایت صریح را دریافت کنید.
2. به حداقل رساندن. داده های غیر ضروری را برای این منظور به اشتراک نگذارید.
3. ناشناس کردن. تمام شناسه ها را حذف کنید. زمینه بالینی را حفظ کنید
4. وسیله نقلیه ایمن انتخاب کنید از خودروی سازگار با KVKK با خط مشی داده ای شناخته شده استفاده کنید.
5. مراقب تعصب باشید. خروجی را در گروه‌هایی که کمتر نمایندگی می‌کنند، با دقت بیشتری تأیید کنید.
6. شفاف باشید به بیمار اطلاع دهید، به سوالات او پاسخ دهید، به تصمیم او احترام بگذارید.
7. آن را مستند کنید. نحوه پردازش داده ها را ثبت کنید و رضایت را ثبت کنید.

سه کیف کوچک (به تعداد)

مورد 1 - ناشناس سازی ذخیره می کند. فیزیوتراپیست پرونده بیمار را در هوش مصنوعی قرار می دهد تا گزارشی تهیه کند. نام، شناسه و آدرس در پرونده وجود داشت. در عوض، در 30 ثانیه، همه شناسه‌ها را حذف کرد و فقط متن "مرد 58 ساله، تعویض کامل زانو، 6 هفته پس از عمل" را ارائه کرد. نتیجه همان کیفیت بود، داده های شخصی هرگز به اشتراک گذاشته نشد.

مورد 2 - تفاوت خط مشی خودرو. یکی از کلینیک ها دریافت که یک ابزار رایگان از داده ها در مدل استفاده می کند و به یک نسخه سازمانی و بدون داده تغییر مکان داده است. علاوه بر این، قانون "هیچ شناسه به اشتراک گذاشته نمی شود" برای تیم نوشته شده است. در ممیزی داخلی که 3 ماه بعد انجام شد، هیچ نشت اطلاعات شخصی یافت نشد.

مورد 3 - شفافیت و اعتماد. زمانی که بیمار متوجه شد که فیزیوتراپیستش بروشورهایی را با هوش مصنوعی ایجاد می کند، در ابتدا ناراحت بود. فیزیوتراپ توضیح داد که از هوش مصنوعی فقط برای پیش نویس متن استفاده می شد، اطلاعات شخصی او به اشتراک گذاشته نمی شد و همه تصمیمات مربوط به خود او بود. اعتماد به نفس بیمار افزایش یافت. درس: شفافیت اعتماد را تقویت می کند، نه آن را کاهش می دهد.

اعلان ضعیف / اعلان قوی

ضعیف: "اینجا پرونده بیمار است (شامل نام، شناسنامه، تشخیص)، گزارش بنویسید."

اطلاعات شخصی و خصوصی را بدون رضایت صریح و ناشناس منتقل می کند. خطر نقض KVKK را به همراه دارد.

قوی: "پیش نویس گزارش را بر اساس زمینه بالینی ناشناس زیر بنویسید. بدون شناسه شخصی، فقط محدوده سنی، تشخیص، مرحله، و اندازه گیری ها. زمینه: [داده های ناشناس]." پس از پاک کردن شناسه ها ابتدا با یک مرحله ناشناس سازی جداگانه از این استفاده کنید.

چهار قالب قابل کپی

وظیفه: این متن را ناشناس کنید. متن: [متن حاوی اطلاعات شخصی] قانون: نام، شناسه، تلفن، آدرس، تاریخ، مؤسسه، شناسه‌های منحصربه‌فرد را با [TAG] جایگزین کنید. حفظ زمینه بالینی (محدوده سنی، تشخیص، مرحله، اندازه گیری). خروجی: فقط متن ناشناس.

وظیفه: چک لیست سیاست داده ابزار هوش مصنوعی را تهیه کنید. زمینه: [ابزار ارزیابی شده] آنچه من می خواهم: سؤالاتی که باید بپرسم - آیا داده ها در آموزش استفاده می شود، کجا/چقدر ذخیره می شود، آیا KVKK/DPA وجود دارد، آیا انتقالی به خارج وجود دارد، حق حذف چیست؟ تصمیم با من است. فقط چک لیست را به من بدهید

وظیفه: یک پیش نویس رضایت صریح/متن اطلاعاتی بنویسید. محدوده: [فیزیوتراپی + محتوا/پیگیری با کمک هوش مصنوعی] باید شامل: کدام داده، چه هدف، نقش هوش مصنوعی، ذخیره سازی، حقوق بیمار، بیانیه تایید/عدم تایید باشد. زبان ساده بدون تایید استفاده نکنید.

وظیفه: این خروجی هوش مصنوعی را از نظر سوگیری بررسی کنید. خروجی: [توصیه/محتوا]، گروه بیمار: [گروه احتمالاً کمتر ارائه شده] می‌خواهم: نقاطی را که ممکن است نادرست/ناقص/تعمیم‌کننده برای این گروه باشند +توصیه برای اعتبارسنجی دقیق‌تر پرچم‌گذاری کنید. تصمیم نگیرید، ریسک را نشان دهید.

اشتباهات رایج

• چسباندن داده های شخصی نام، شناسه، تصویر را نمی توان بدون رضایت صریح و ناشناس به اشتراک گذاشت.
• ندانستن سیاست خودرو استفاده کورکورانه از ابزارهایی که داده های شما را ذخیره/آموزش می دهند خطرناک است.
• رد شدن از به حداقل رساندن داده ها به اشتراک گذاری داده های غیر ضروری سطحی را که باید محافظت شود افزایش می دهد.
• نادیده گرفتن تعصب پیامد در گروه‌هایی که کمتر به نمایش گذاشته شده‌اند باید با دقت بیشتری اعتبارسنجی شود.
• شفاف نبودن پنهان کردن استفاده از هوش مصنوعی برای بیمار اعتماد و اخلاق را تضعیف می کند.
• عدم مستندسازی رضایت پردازش و رضایت باید به شکل قابل ردیابی ثبت شود.

به طور خلاصه

داده های بهداشتی داده های ویژه تحت KVKK هستند و به بالاترین محافظت نیاز دارند. در عصر هوش مصنوعی، مسئولیت حفظ حریم خصوصی افزایش می یابد. رضایت صریح را دریافت کنید، داده‌ها را به حداقل برسانید، شناسه‌ها را ناشناس کنید، ابزارهای امنی را انتخاب کنید که در آن خط‌مشی داده‌ها را می‌دانید، نسبت به سوگیری هوشیار باشید، برای بیمار شفاف باشید و فرآیند را مستند کنید. ناشناس سازی عملی ترین و قدرتمندترین محافظت در بیشتر موارد است: داده هایی که به اشتراک نمی گذارید فاش نمی شوند.

وظیفه کاربردی

یک نمونه متن بیمار حاوی اطلاعات شخصی تهیه کنید. با الگوی اول ناشناس کنید و نتیجه را بررسی کنید (آیا شناسه هایی باقی مانده است؟). خط مشی داده ابزار هوش مصنوعی را که با الگوی دوم استفاده می کنید، ارزیابی کنید. در نهایت، با الگوی سوم، یک پیش نویس ساده از متن رضایت صریح/اطلاعات برای کلینیک خود تهیه کنید.

چک لیست

• [ ] من رضایت صریح برای پردازش داده های بیمار دریافت کرده ام.
• [ ] من فقط حداقل داده های مورد نیاز را پردازش کردم (به حداقل رساندن داده ها).
• [ ] من همه شناسه ها را ناشناس کردم.
• [ ] من خط مشی داده (ذخیره سازی، آموزش، KVKK) وسیله نقلیه مورد استفاده خود را بررسی کردم.
• [ ] من با جدیت بیشتری ضد سوگیری را در گروه هایی که کمتر معرفی شده بودند تأیید کردم.
• [ ] من به طور شفاف استفاده از هوش مصنوعی را به بیمار اطلاع دادم و فرآیند را مستند کردم.