Gains :
- Possibilité de définir les données des patients comme données personnelles spéciales et obligations en vertu du KVKK
- Capacité à mettre en œuvre l'anonymisation du contexte, la minimisation des données et la sélection d'outils conformes aux politiques et à l'entreprise
- Comprendre les conséquences cliniques, juridiques et éthiques d'une violation de données et la chaîne de prévention
Les données des patients constituent les informations les plus intimes d’une personne : ses maladies, ses caractéristiques génétiques, sa santé mentale, ses addictions, sa santé sexuelle. En Turquie, la loi n° 6698 sur la protection des données personnelles (KVKK) définit les données de santé comme des données personnelles spéciales ; En d’autres termes, il offre le plus haut niveau de protection. La saisie négligente de ces données dans un outil d’intelligence artificielle (IA) compromet à la fois la vie privée des patients et la responsabilité juridique. Dans cette unité, vous apprendrez comment protéger les données des patients lorsque vous travaillez avec l'IA, l'anonymisation et la minimisation des données, le choix d'outils sûrs et les conséquences d'une violation. Principe de base : Ne donnez pas de données inutiles ; anonymisez ce que vous donnez ; utilisez uniquement des outils appropriés et conformes aux politiques.
Pourquoi les données de santé sont-elles privées ?
Selon le KVKK, les données personnelles sont toute information appartenant à une personne physique identifiée ou identifiable. Les données de santé, en revanche, sont de « nature particulière » : leur traitement nécessite en règle générale un consentement explicite ou des circonstances particulières autorisées par la loi, et des mesures de sécurité plus strictes sont essentielles. Même si un patient n’a pas de nom ; Lorsqu’une maladie rare, une histoire spécifique, une institution et un âge se conjuguent, une personne peut être redéfinie. C'est pourquoi l'idée de « J'ai supprimé le nom, je suis en sécurité » est trompeuse ; Les identifiants indirects présentent également des risques.
Attention : La saisie de données de santé dans un service d'IA qui utilise des données pour la formation de modèles ou dont les serveurs/politiques ne sont pas clairs constitue une violation du KVKK s'il n'y a pas de consentement explicite et de précautions appropriées. La responsabilité incombe au médecin et à l'établissement ; « Je ne savais pas » n'est pas un moyen de défense.
Trois défenses de base
1. Minimisation des données. Fournissez uniquement les informations réellement nécessaires à la tâche. Il n'est pas nécessaire de connaître le nom, la pièce d'identité ou l'adresse du patient pour simplifier le langage d'une épicrise.
2. Anonymisation. Supprimez ou remplacez les identifiants directs (nom, prénom, pièce d'identité, numéro de dossier, téléphone, adresse, date) par une étiquette. Généraliser également les identifiants indirects (diagnostic rare + établissement + date).
3. Sélection sûre du véhicule. Choisissez des outils sous contrat, d'entreprise et conformes au KVKK qui garantissent que les données ne seront pas utilisées dans l'éducation. Lire la politique de confidentialité : où sont stockées les données, combien de temps sont-elles conservées, qui y a accès ?
Étape par étape : utilisation de l'IA conforme au KVKK
- Ces données sont-elles nécessaires ? Ne donnez jamais ce qui n’est pas nécessaire.
- Anonymiser. Des identifiants directs et indirects clairs.
- Vérifiez l'outil. Politique, conservation, utilisation pédagogique, emplacement du serveur.
- Le consentement explicite est-il requis ? Si nécessaire, effectuez la démarche selon la procédure de l'établissement.
- Préservez également la sortie. Y a-t-il une fuite d’identité dans la sortie de l’IA ?
- Trace et politique. Se conformer au registre de traitement des données de l'entreprise.
trois mini-cases
Cas 1 — Violation évitée. Un assistant souhaite résumer un cas intéressant avec l'IA pour le présenter. Tout d'abord, il extrait du texte le nom, l'identifiant, le numéro de dossier et la date, généralise l'institution et sélectionne un outil approuvé par l'institution qui n'utilise pas les données dans l'éducation. Ainsi, il accélère son travail et protège la vie privée.
Cas 2 — Risque d'identification indirecte. Un médecin saisit la phrase « Le seul patient en oncologie pédiatrique du comté X » dans l’IA. Il n'y a pas de nom, mais cette description désigne un seul enfant ; peut être redéfini. Selon son confrère, le médecin généralise l'affirmation (« un cas d'oncologie pédiatrique ») et élimine le risque.
Cas 3 — Mauvais outil. Une clinique utilise un outil gratuit pour répondre aux messages des patients sans lire la politique de confidentialité ; Il est devenu clair plus tard que l’outil utilisait les données lors de la formation. L'institution arrête le véhicule, examine le processus et passe à une solution conforme au KVKK. Lire la politique à l’avance aurait évité ce risque en premier lieu.
Tableau des types d'identifiants
Genre
exemple
à faire
Identifiant direct
Nom, TR ID, numéro de dossier, téléphone
Supprimer/étiqueter
semi-descriptif
Date de naissance complète, adresse complète
Généraliser (année, district)
identifiant indirect
Diagnostic rare + institution + historique
Généraliser le contexte
texte libre
Nom/événement mentionné dans la note
Scanner et nettoyer
Fuite de sortie
Identité dans le texte généré par l'IA
Vérifiez également la sortie
Quatre modèles copiables
Tâche : Trouvez et catégorisez TOUS les identifiants personnels/de santé dans le texte ci-dessous : directs (nom, pièce d'identité, numéro de dossier, téléphone, adresse), semi (date complète), indirects (diagnostic rare + institution + date). Remplacez chacun par [LABEL], en conservant la signification clinique.Texte : [...]
Tâche : Évaluer le risque d'IDENTIFICATION ROUGE de ce résumé de cas. Quelle combinaison d’informations pourrait pointer vers la personne ? Quelles affirmations dois-je généraliser pour réduire les risques ? Résumé : [...]
Tâche : Produire une liste de contrôle pour que j'évalue la politique de confidentialité d'un outil d'IA : les données sont-elles utilisées dans la formation, quelle quantité est stockée, où se trouve le serveur, qui y accède, existe-t-il un accord KVKK/processeur de données ?
Tâche : Analyser et signaler la SORTIE AI suivante pour toute information d'identification ou de réidentification qu'elle peut contenir. S'il y a des fuites, proposez une version nettoyée. Résultat : [...]
Invite faible/Invite forte
Faible : "Ahmet Yılmaz, TC 123..., dossier 456, Hôpital X, résume l'épicrise du patient hospitalisé avec le diagnostic suivant."
Güçlü : "Simplifiez un résumé de cas anonyme : homme dans la soixantaine, hospitalisation dans un service de médecine interne, [DIAGNOSTIC], [TRAITEMENT]. Le nom, la pièce d'identité, le numéro de dossier, l'établissement et la date complète ne sont pas indiqués. Ne produisez aucune information d'identification dans l'imprimé."
Dans l'invite puissante, les données sont minimisées et anonymes ; la confidentialité et la sortie sont protégées.
Erreurs courantes
- En pensant "J'ai supprimé le nom, je suis en sécurité". Les identifiants indirects décrivent également.
- Donner des données inutiles. Les informations qui ne sont pas requises pour la tâche ne doivent pas être saisies du tout.
- Je ne lis pas la politique. Il faut savoir si l’outil utilise les données en formation.
- Ne pas contrôler la sortie. L’identité peut également être divulguée dans les résultats de l’IA.
- Contourner le consentement. Le consentement explicite et la procédure ne doivent pas être négligés lorsque cela est nécessaire.
En cas de violation : prochains maillons de la chaîne
L'anonymisation et la sélection d'outils sont des défenses préventives ; Mais en cas de violation, il faut savoir à l’avance quoi faire. KVKK impose certaines obligations au responsable du traitement : évaluer sans délai la violation si une violation est constatée, informer les personnes concernées et, si nécessaire, le comité de protection des données personnelles, limiter les dommages. Dans l’environnement clinique, cela nécessite que l’établissement, et non un seul médecin, gère le processus en tant que responsable du traitement des données.
L’important dans la pratique est de ne pas cacher ou minimiser la violation. L’attitude du type « de toute façon, il n’y avait pas de nom » ou « personne ne le remarque » sape encore davantage le risque juridique et la confiance des patients. Le bon réflexe est de signaler immédiatement l'incident à l'unité compétente de l'institution (responsable du traitement/conformité), de documenter quelles données vont où et de procéder à la correction pour éviter qu'elle ne se reproduise. Une violation est aussi une opportunité d'apprentissage qui révèle le maillon faible du système : quelle étape a été sautée, quelle règle a manqué ?
Attention : dissimuler une violation de la vie privée peut avoir des conséquences plus graves que la violation elle-même. Des rapports transparents et des mesures correctives rapides sont la bonne voie à suivre, tant sur le plan juridique qu’éthique.
En résumé
Les données des patients sont des données personnelles spéciales selon le KVKK et nécessitent la plus haute protection. Appliquez trois défenses lorsque vous travaillez avec l'IA : ne fournissez pas de données inutiles (minimisation), anonymisez ce que vous fournissez (identifiants directs et indirects), choisissez uniquement des outils conformes à la politique et n'utilisez pas de données pour la formation. Vérifiez également la sortie pour les fuites. Les conséquences de la violation sont graves sur les plans clinique, juridique et éthique ; La responsabilité incombe au médecin et à l'établissement.
Tâche de candidature
Évaluez la politique de confidentialité d'un outil d'IA que vous utilisez vous-même avec la liste de contrôle ci-dessus : les données sont-elles utilisées dans la formation, quelle quantité est stockée, où se trouve le serveur ? Anonymisez ensuite un texte de cas réel (de votre propre main) ; Recherchez et effacez chacun des identifiants directs, semi et indirects. Déterminez s’il subsiste un risque de réidentification.
liste de contrôle
- [ ] Je n'ai jamais donné de données inutiles pour la tâche.
- [ ] J'ai supprimé/étiqueté les identifiants directs.
- [ ] J'ai généralisé les identifiants semi- et indirects.
- [ ] J'ai évalué le risque de réidentification.
- [ ] J'ai lu la politique de confidentialité de l'outil et vérifié son adéquation.
- [ ] J'ai vérifié la sortie de l'IA pour détecter toute fuite d'identité.
- [ ] J'ai appliqué le consentement explicite et la procédure institutionnelle lorsque cela était nécessaire.