Voitot:
- Kyky tunnistaa upotetut tunnistetiedot (otsikko ja poltetut tiedot) DICOM-kuvissa ja soveltaa anonymisointia ja suojattuja jakamissääntöjä
- Kyky arvioida kriittisesti tekoälymallin validointia, todisteiden tasoa, viranomaishyväksyntää (CE/määräys) ja paikallista validointia
- Kyky käsitellä eettisiä kysymyksiä, kuten algoritminen harha, potilaan suostumus, vastuullisuus ja läpinäkyvyys kuvantamisen yhteydessä
Radiologiset tiedot ovat yksi arkaluontoisimmista henkilötiedoista. Kuva ei kerro ainoastaan sairautta, vaan myös kenen sairautta se on; aivojen MRI voi tunnistaa henkilön kasvojen rekonstruoinnin avulla, DICOM-tiedosto tallentaa potilaan nimen, tunnistenumeron ja syntymäajan otsikkoon. Tekoälyn aikakaudella nämä tiedot on helppo ladata työkaluun, jakaa niitä tai käyttää niitä mallin kouluttamiseen – ja juuri tämä helppous aiheuttaa suurimman tietosuojariskin. Tässä osiossa keskustelemme DICOMin anonymisoinnista, KVKK/yksityisyydestä, mallin validoinnista ja eettisistä asioista loppuun asti.
Perusperiaate: Radiologiset kuvat ja raportit ovat erityisiä henkilötietoja. DICOM-otsikon ja kuvaan upotetut identiteettitiedot eivät pääse mihinkään ulkoiseen työkaluun ilman, että ne anonymisoidaan. mallin luotettavuus; Validointi arvioidaan todisteiden tason, viranomaishyväksynnän ja paikallisen todentamisen perusteella. Vastuu, allekirjoitus ja lopullinen päätös on aina radiologilla.
DICOM kantaa identiteettiä kahdessa kerroksessa
Radiologiset tiedot sisältävät, toisin kuin muut terveystiedot, kahdessa erillisessä kerroksessa, ja anonymisointi on epätäydellinen ilman molempien tyhjentämistä.
1. DICOM-otsikko: Strukturoidut kentät kuvatiedoston alussa – potilaan nimi, tunniste/protokollan numero, syntymäaika, sukupuoli, laitos, tutkimuspäivämäärä, laite. Nämä alueet voidaan poistaa/naamioida työkalulla, mutta jos se unohtuu, kuva pysyy tunnistettavissa, vaikka sen ajatellaan olevan "anonyymi".
2. Sisäänpoltetut tiedot: Joissakin kuvissa – erityisesti ultraäänessä, fluoroskopiakuvakaappauksissa, ulkoisissa skannauksissa – potilastiedot kirjoitetaan suoraan pikseleihin. Otsikon tyhjentäminen ei poista tätä; upotettu teksti tulee peittää (peittää) tai alue on rajattava.
Lisäksi kasvojen jälleenrakennusriski: kasvot voidaan rekonstruoida kolmiulotteisesti korkearesoluutioisista pään/aivojen TT:istä ja MRI-kuvista; Tämäkin on eräänlainen identiteetin paljastaminen, ja joissain yhteyksissä se vaatii "häpeämistä".
kerros
missä
Kuinka puhdistaa
jos unohtuu
DICOM-otsikko
Tiedoston otsikko
Anonymisointityökalu
Tunnus pysyy auki
upotettu teksti
pikselin sisäinen
Peitto/rajaus
Kuva kantaa identiteettiä
kasvotiedot
3D päänäkymä
pilaamista
Tunnistetaan kasvoista
Ilmoita teksti
RIS/teksti
Nimen/numeron poistaminen
Henkilö tunnistetaan
KVKK ja turvallinen jakaminen
Türkiyessä KVKK (henkilötietojen suojalaki) käsittelee terveystietoja "erityisluonteisina henkilötietoina" korkeimmalla suojatasolla; Euroopassa sen vastine on GDPR. Perussäännöt: käsittele tietoja vain niin paljon kuin on tarpeellista tarpeellista tarkoitusta varten; anonymisoinnin poistaminen laitoksen ulkopuolella; Jos aiot käyttää sitä mallikoulutuksessa, anna tarvittaessa oikeusperusta ja nimenomainen suostumus; Tiedä, mihin tietosi menevät. Anonymisoimattomien kuvien/raporttien lataaminen julkiseen tekoälytyökaluun on tietosuojaloukkaus. Suosittelemme yritystyökaluja, joilla on tietojenkäsittelysopimus (DPA), jotka eivät käytä tietojasi mallikoulutuksessa ja mieluiten toimivat talon sisällä/paikallisesti.
Huomio: Sanominen "Poistin juuri sukunimen" tai "työkalu on jo suojattu" ei tarkoita anonymisointia. Tietoja ei siirretä oppilaitoksen ulkopuolelle poistamatta kaikkia nimeä, TR-tunnusta, protokolla-/tutkimusnumeroa, syntymäaikaa, yhteystietoa, laitosta ja upotettuja/otsikoiden henkilötietoja. Anonymisointi ei ole tapa, ei kertaluonteinen tehtävä.
Mallin validointi: milloin malliin kannattaa luottaa
Ei riitä, että sanotaan, että malli "toimii"; On tarpeen kysyä, miten, missä ja kuinka paljon se toimii.
- Validointi ja todisteiden taso: Missä populaatiossa, kuinka monessa tapauksessa, millä mittareilla (herkkyys, spesifisyys, väärä negatiivinen) mallia testattiin? Onko olemassa julkaistuja, riippumattomia todisteita?
- Viranomaisten hyväksyntä: Onko tuote hyväksytty lääketieteelliseksi laitteeksi (esim. CE-merkintä, asiaankuuluva viranomaishyväksyntä)? Mitä käyttöä hyväksyntä kattaa?
- Paikallinen vahvistus: kriittisin vaihe. Onko mallia testattu omalla laitteellasi, omalla protokollallasi, omalla populaatiollasi? Jakauman ajautuminen (suorituskyvyn heikkeneminen siirryttäessä pois harjoitteluolosuhteista) ei näy ilman paikallista validointia.
- Jäljitettävyys: Seurataanko malliversiota, päivityksiä ja suorituskyvyn muutoksia?
Eettinen ulottuvuus
Algoritminen harha: Jos mallia opetetaan tietylle populaatiolle, se voi toimia huonommin muissa ryhmissä (ikä, sukupuoli, etnisyys, harvinainen sairaus) ja lisätä eriarvoisuutta. Potilaan suostumus ja avoimuus: Pitäisikö potilaan tietää, että hänen diagnoosissaan käytetään tekoälyä? Miten toimielin tekee tämän läpinäkyväksi? Vastuu: Jos tekoälyavusteinen lukema tekee virheen, kuka on vastuussa – vastaus on allekirjoittaneella radiologilla; Tekoäly ei ota vastuuta. Kohtuullinen saatavuus: Jos tekoälytyökalut ovat saatavilla joissakin keskuksissa, mutta ei toisissa, tämä voi olla epätasa-arvon lähde.
kolme minilaukkua
Tapaus 1 — Upotetun tekstin rikkomus. Lääkäri lataa mielenkiintoisen ultraäänikuvan, puhdistaa sen otsikon ja lataa sen julkiseen tekoälytyökaluun. Mutta kuvan kulmassa on potilaan nimi ja protokollanumero kaiverrettu pikseliin; Vaikka otsikko oli puhdas, siinä oli upotettu viestitunnus. Laitos kohtaa KVKK-ilmoituksen. Oikea tapa oli peittää upotettu alue ja jakaa se samalla tavalla.
Tapaus 2 – Levittäminen ilman paikallista todentamista. Keskus esittelee rutiininomaisesti ulkomailla oleville väestöille koulutettua luuiän mallia ilman, että se koskaan validoi sitä omassa potilasryhmässään. Kuukausia myöhemmin havaitaan, että malli on systemaattisesti puolueellinen populaatioissaan. Jos paikallinen vahvistus tehtiin, tämä näkyisi alusta alkaen. Oppitunti: edes viranomaishyväksyntä ei korvaa paikallista todentamista.
Tapaus 3 – Ilmoita anonymisaatiosta. Radiologi haluaa keskustella vaikeasta tapauksesta kollegansa kanssa tekoälytyökalun avulla. Hän kirjoittaa tarinan uudelleen muotoon "62-vuotias nainen, tunnettu rintasyövän historia" eikä "Ayşe Yılmaz, protokolla 2024-114523, rintasyöpä"; Jakaa kuvan, kun DICOM-otsikko on tyhjennetty ja upotettu teksti on peitetty. Kliinistä keskustelua käydään, henkilöllisyyttä ei paljasteta. Asianmukainen anonymisointi mahdollisti turvallisen tekoälyn käytön.
Heikko kehote / Vahva kehote
Heikko kehote:
Ayşe Yılmaz, TC 123..., protokolla 2024-114523, rintasyöpä, tulkitse tämä MRI.
Identiteetti jaetaan avoimesti; Tämä on KVKK-rikkomus, sen olisi pitänyt lopettaa ennen kehotteen kirjoittamista.
Tehokas kehotus:
Roolisi: anonymisoinnin hallinnan avustaja. Poista alla olevasta tekstistä nimesi, TR-tunnuksesi, protokolla-/tutkimusnumerosi, syntymäaikasi, yhteystietosi ja laitoksesi. korvaa se "[poistettu]". Jätä vain kliinisesti tarpeelliset anonyymit tiedot (ikäryhmä, sukupuoli, merkityksellinen historia). Muistuta minua myös: jos aion jakaa kuvan, minun on myös tyhjennettävä DICOM-otsikko ja kuvaan upotettu teksti sekä otettava huomioon kasvotiedot pää-/aivokuvissa. Teksti: [liitä teksti]
Tehokas kehote poimii tunnuksen, muistuttaa upotetut/otsikko- ja kasvotiedot.
Kopioitavat kehotemallit
ANONYMISOINNIN OHJAUSMALLI Roolisi: anonymisointiavustaja. Poimi tekstistä nimi, TR-tunnus, pöytäkirja/tutkimusnumero, syntymäaika, yhteystiedot ja laitoksen tiedot; Kirjoita "[poistettu]". Jätä vain kliinisesti vaaditut anonyymit tiedot. Muistuta minua siitä, että jos aion jakaa kuvan, minun on tyhjennettävä otsikko + upotus + kasvotiedot. Teksti: [kirjoita]
MALLIN VAHVISTUSKYSELYMALLI Roolisi: ASUSTAJA. Arvioin tekoälymallin. Luo kysymykset, jotka minun on kysyttävä: mikä populaatio/tapausmäärä/mittaukset, viranomaishyväksynnän laajuus, onko paikallinen validointi tehty, jakelun siirtymisen riski, version seuranta. Päätös on toimielimen käsissä. Mallitiedot: [kesä]
ETIIKKA/BIAS-TARKISTUSMALLI antaa sinulle kontekstin tekoälymallin käyttämiseen. Arvioi algoritminen harha (joka voi toimia huonosti ryhmissä), potilaan suostumus/avoimuus, vastuullisuus ja oikeudenmukainen pääsy; Kirjoita kunkin otsikon alle kysymys, joka oppilaitoksen tulee esittää. Konteksti: [kirjoita]
DATA FLOW PRIVACY TEMPLATEI antaa sinulle skenaarion tietojen lähettämisestä tekoälytyökaluun. Luo tarkistuslista, joka kysyy, minne tiedot menevät, tallennetaanko niitä, käytetäänkö niitä mallikoulutuksessa ja sen DPA/oikeudellinen perusta. Muistuta meitä ulkoisten ajoneuvojen anonymisointivelvoitteesta. Käsikirjoitus: [kirjoita]
Yleisiä virheitä
- Tyhjennä vain otsikko ja unohda upotettu teksti. Kuvassa on edelleen identiteettiä.
- Kasvotietojen huomioiminen. Henkilö voidaan tunnistaa pään/aivojen 3D-kuvista.
- Korvaa viranomaishyväksynnän paikalliselle validoinnille. Suostumus osoittaa laajuuden; Se ei takaa suorituskykyä omilla tiedoillasi.
- Ei kysele algoritmisesta harhasta. Malli saattaa toimia huonosti joillakin ryhmillä, mikä lisää eriarvoisuutta.
- Vastuun siirtäminen tekoälylle. Allekirjoitus on radiologin kanssa; Vastuu virheistä on ihmisillä.
Vinkki: Ennen kuin lähetät tietoja laitoksen ulkopuolelle, kysy yksi kysymys: "Jos nämä tiedot olisi vuotanut, voidaanko potilas tunnistaa?" Jos vastaus on "kyllä" tai "en ole varma", tiedot eivät ole vielä anonyymejä – älä lähetä niitä.
Yhteenvetona
Radiologiset kuvat ja raportit ovat erityisiä henkilötietoja ja vaativat korkeimman suojan KVKK/GDPR:n puitteissa. DICOM-data kuljettaa identiteettiä kahdessa kerroksessa – otsikko ja teksti upotettuna kuvaan – eikä mikään data poistu yrityksestä ilman molempien puhdistamista, kuten myös kasvotietoja tarvittaessa. Jotta malliin voidaan luottaa, sen validointi, todisteiden taso, viranomaishyväksyntä ja paikallinen validointi, erityisesti omassa laitteessasi/populaatiossasi, arvioidaan. Viranomaisten hyväksyntä ei korvaa paikallista todentamista. Eettisessä ulottuvuudessa kyseenalaistetaan algoritminen harha, potilaan suostumus, läpinäkyvyys, oikeudenmukainen saatavuus ja vastuu. Kaikissa tapauksissa allekirjoitus, vastuu ja lopullinen päätös kuuluu radiologille.
Sovellustehtävä
Luo faktateksti ja kuvien jakamisskenaario. Anonymisoi teksti "Anonymisoinnin tarkistus" -mallin ja luettelon otsikon/upotetun tekstin/kasvotietojen tarkistusvaiheiden avulla. Arvioi sitten malli, jota käytät (tai harkitsemasi) Mallin validointikysely -mallin avulla: populaatio, validoinnin laajuus, paikallinen vahvistuksen tila. Kirjoita lopuksi "Ethics/Bias Control" -malliin, missä ryhmissä tämä malli saattaa toimia huonosti, ja avoimuuteen/vastuuvelvollisuuteen liittyviä kysymyksiä.
tarkistuslista
- [ ] Tyhjensin ID-kentät DICOM-otsikossa.
- [ ] Peilin/rajasin kuvan sisään poltetun tekstin.
- [ ] Arvioin kasvotietojen riskiä pään/aivojen kuvissa.
- [ ] Anonymisoin raportin/jutun tekstin (nimi, henkilöllisyystodistus, protokolla, syntymäaika).
- [ ] Kyseenalaistin ulkoisen työkalun tietovirran ja DPA:n/oikeusperustan.
- [ ] Tarkistin mallin paikallisen validoinnin ja validointialueen.
- [ ] Arvioin algoritmista harhaa, läpinäkyvyyttä ja vastuullisuutta; Minulla on allekirjoitus.