אתיקה, פרטיות והגנת נתונים: אחריות מיוחדת של נתונים גנטיים

רווחים:

• הבנה מדוע נתונים גנטיים הם קטגוריה מיוחדת של נתונים אישיים והסיכון לזיהוי מחדש
• יכולת ליישם עקרונות אנונימיזציה, הסכמה ומזעור נתונים לפני מתן נתוני מטופל לכלי בינה מלאכותית פתוחים
• יכולת לאמץ את הגבולות של עיבוד נתונים גנטיים ואחריות אתית מקצועית בתוך מסגרות כמו KVKK/GDPR

נתונים גנטיים אינם נתונים אישיים רגילים. רצף DNA של אדם; זה מזהה אותך באופן ייחודי, לא ניתן לשינוי (אתה יכול לשנות את הסיסמה שלך אבל לא את הגנום שלך), יכול לחשוף סיכוני מחלות עתידיים, ונוגע לא רק לפרט אלא לכל בני המשפחה הקשורים לדם. לכן, השימוש בבינה מלאכותית (AI) בעת עבודה עם נתונים גנטיים מחייב את הסטנדרט הגבוה ביותר של סודיות ואתיקה. ביחידה זו תלמדו מדוע יש להגן על נתונים גנטיים במיוחד, לאילו טעויות יש השלכות חמורות בעת שימוש בכלי בינה מלאכותית ומשמעת עבודה בטוחה.

עקרון קריטי: לעולם אל תדביק נתונים גנטיים ניתנים לזיהוי של חולים בכלי AI זמין לציבור. שירותי AI רבים למטרות כלליות יכולים לעבד את הנתונים שאתה מזין, לאחסן אותם או להשתמש בהם כדי לשפר את המודל. כאשר שילוב וריאנט נדיר של מטופל, שם, מספר זיהוי או תאריך לידה מוזנים לכלי, עלולה להתרחש פגיעה בלתי הפיכה בפרטיות.

חמש תכונות שהופכות נתונים גנטיים למיוחדים

1. חוסר שונות: הגנום זהה לאורך כל החיים; אם נחשף, לא ניתן "לבטלו".
2. זהות: אפילו מספר קטן של גרסאות נדירות יכול לזהות אדם באופן ייחודי; ניתן לזהות מחדש נתונים שנחשבו כ"אנונימיים".
3. גודל המשפחה: הגנום של אדם מכיל גם את המידע הגנטי של קרוביו; מידע עשוי להיחשף ללא הסכמתם.
4. חיזוי: יכול להצביע על סיכון עתידי למחלה; ביטוח עשוי להוות עילה לאפליה בעבודה.
5. סיכון זיהוי מחדש: ניתן לקשר נתונים גנומיים לזהות על ידי הצלבה עם מסדי נתונים אחרים.

מסגרת משפטית: סקירה קצרה

נתונים גנטיים נמצאים בקטגוריה של נתונים אישיים מיוחדים (רגישים) בחקיקת הגנת מידע ומוגנים בצורה קפדנית יותר. בטורקיה, KVKK (חוק הגנת מידע אישי) רואה בנתונים בריאותיים וגנטיים נתונים מיוחדים, וככלל, מחייב את עיבודם להסכמה מפורשת או חריגים מיוחדים. באירופה, ה-GDPR מגן באופן דומה על נתונים גנטיים כקטגוריה מיוחדת. בארה"ב, חוק ה-GINA אוסר על אפליה על ביטוח ואפליה בעבודה על סמך מידע גנטי. למרות שהפרט משתנה ממדינה למדינה, העיקרון המשותף זהה: לא ניתן לעבד נתונים גנטיים ללא הסכמה מפורשת, הגבלת מטרה והגנה חזקה.

טיפ: בעת קבלת הסכמה לבדיקה גנטית ממטופל, החשיפה עשויה לכלול כיצד הנתונים יעובדו על ידי כלי בינה מלאכותית. "באיזה כלים ואיפה אנחנו מעבדים את הנתונים שלך לניתוח?" להיות בעמדה לענות על השאלה בשקיפות.

צעד אחר צעד: שימוש בבינה מלאכותית בטוחה עם נתונים גנטיים סודיים

1. סיווג. האם ניתן לזהות את הנתונים שברשותך? האם הוא מכיל שילוב של שם, מספר תעודת זהות, תאריך, גרסה נדירה?

2. אנונימי או אל תעביר בכלל. הסר מזהים ישירים; אך זכרו, "אנונימיזציה" בנתונים גנטיים אינה מספקת ביטחון מלא. הכי בטוח לא להכניס נתונים אישיים מזהים לרכב הפתוח בכלל.

3. קרא את מדיניות הנתונים של הכלי. בחרו כלים ארגוניים, בעלי הסכם עיבוד נתונים (DPA), הבטיחו לא להשתמש בנתונים בחינוך, ורצוי לעבוד באופן מקומי/קרוב.

4. הפרד שאלות מושגיות מהנתונים. "כיצד ליישם ACMG PM2?" אתה יכול לשאול שאלות מושגיות של AI כגון; אין צורך בנתוני מטופל לשם כך. השתמש בנתונים רק כאשר יש צורך ובצורה אנונימית.

5. שמור את המעקב. תיעוד אילו נתונים אתה מעבד, עם איזה כלי, ולאיזו מטרה; ביקורתיות היא דרישה אתית וחוקית.

שלושה מיני תיקים

מקרה 1 - דוח מודבק. למען המהירות, עוזר הדביק את הדוח המכיל את שמו המלא ורשימת הגרסאות של המטופל בצ'אט כללי של AI ואמר "סיכום". המומחה הבכיר הבין זאת: השם והגרסה הנדירה זיהו יחד את המטופל, והכלי אחסן את הנתונים. האירוע דרש הודעה על הפרת פרטיות. לקח: לא מועברים נתונים מזהים, אפילו לסיכום.

מקרה 2 - הסכמת המשפחה. תוך כדי שימוש בנתונים של מטופל, חוקר אמר ל-AI שהגרסה נמצאה גם אצל אחיו. אולם האח לא הסכים לעיבוד נתוניו. ההיבט המשפחתי של נתונים גנטיים הביא גם לסיפוק פרטיות של צד שלישי; החוקר חילץ מידע על האח.

מקרה 3 - אישור שהושג. מעבדה אחת הטמיעה "רשימת ביקורת אנונימיזציה" לפני הניתוח. הם שלפו שמות, מספרי זהות ותאריכים לפני שנתנו אותם לבינה מלאכותית; יתרה מכך, הם הבינו ששילוב נדיר מאוד של גרסאות לבדו יכול לקבוע את הזהות ולא דיווחו על המדגם הזה כלל. ללא רשימת הבדיקה, ניתן היה לזהות מחדש נתונים שנחשבו כ"אנונימיים".

ארבע תבניות הניתנות להעתקה

1) בקרת אנונימיזציה:

לפני הזנת טקסט זה לכלי בינה מלאכותית, רשום את כל הרכיבים שבו (שם, מספר תעודת זהות, תאריך, כתובת, שילוב וריאציות נדירות, פנוטיפ נדיר) שיכולים לזהות את המטופל או את קרוביו. עבור כל אחד מהם, הצע "השמט" או "אל תעביר את המדגם בכלל": [טקסט].

2) שאלה מושגית (ללא נתונים):

מבלי לחלוק נתוני מטופל, ענו על השאלה הרעיונית הזו: [שאלת ACMG/שיטות]. השתמש בדוגמאות נפוצות; אני לא רוצה מידע אמיתי על המטופל.

3) בקרת הסכמה ושקיפות:

עזרו לי לנסח טקסט מידע/הסכמה לבדיקה גנטית. זה צריך לכלול: לאילו מטרות יעובדו הנתונים, באילו סוגי כלים הם ינותחו, כיצד יטופלו תוצאות הנוגעות לבני המשפחה, אחסון ומחיקה. פנה ליחידה משפטית/אתית לקבלת החלטה משפטית.

4) קריטריונים לבחירת רכב:

אילו קריטריונים לפרטיות (הסכם עיבוד נתונים, התחייבות לא להשתמש בחינוך, תפעול מקומי, בקרת גישה, מחיקה) עלי לשאול בבחירת כלי AI/ניתוח שיעבד נתונים גנטיים רגישים? נוצר רשימת בדיקה להערכה.

הנחיה חלשה / הנחיה חזקה

חלש: "הגיב על תוצאת BRCA1 של אחמט ילמז (TC: ...): [רשימת גרסאות מלאה]."

בעיה: מזהה ישיר + נתונים גנטיים נכנסים לכלי פתוח; הפרה בוטה של ​​סודיות.

Güçlü: "מבלי לזהות אף אחד, הסבירו באמצעות דוגמה כללית כיצד וריאנטית העברת מסגרת ב-BRCA1 מוערכת ב-ACMG. אני לא חולק נתוני מטופלים בפועל."

למה זה חזק: צורכי הלמידה/הערכה מתמלאים, אך לא מועברים נתונים מזהים.

סוג נתונים

האם זה נכנס לכלי ה-AI הפתוח?

אלטרנטיבה

שם מטופל/מספר זיהוי

לעולם לא

אין העברה

גרסה נדירה + היסטוריה

לעולם לא (מזדהה)

העבירו את המדגם

שאלה מושגית

כן

דוגמה כללית

אנונימי, דוגמה נפוצה

זהיר

כלי ארגוני/מקומי

סטטיסטיקה מצטברת, אנונימית

בהתאם למצב

רכב עם DPA

טעויות נפוצות

• הדבקת נתונים מזהים כ"לסיכום בלבד". לא משנה מה המטרה, זו הפרה.
• טעות ב"אנונימיזציה" לנתונים גנטיים כאבטחה מלאה. אפשרי זיהוי מחדש.
• שוכחים את ההיבט המשפחתי. הנתונים של אדם חושפים גם את קרוביו.
• לא קורא את מדיניות הנתונים של הרכב. ניתן להשתמש בנתונים או לאחסן אותם בהדרכה.
• לא שומרת רשומות. אם אין יכולת שליטה, לא ניתן להוכיח אחריות.

זהירות: לרוב, הפרות הפרטיות אינן נובעות מכוונת זדון, אלא מרפלקס "קבל את זה מהר". הסיכון הגדול ביותר הוא הדבקת דוח ללא שכל בחלון צ'אט בזרימת עבודה סתמית. לְהַאֵט; אין כפתור ביטול בנתונים גנטיים.

עומק: המתמטיקה האמיתית של זיהוי מחדש וארכיטקטורות מאובטחות

למה זה לא בסדר לחשוב "מחקתי את השם, עכשיו זה אנונימי"? כי אין צורך בשם לזיהוי אדם; שילוב של תכונות נדירות מספיק. על פי ממצא קלאסי, שלישיית תאריך לידה + מין + מיקוד יכולה לייחד את הרוב המכריע של אוכלוסיית ארה"ב. בגנטיקה המצב חד יותר: השילוב של כמה גרסאות נדירות (כל אחת מהן מופיעה אפילו באחד לאלף באוכלוסייה, יחד פחות מאחד למיליון) מצביע על פרט בודד. יתרה מכך, ניתן להצליב נתונים גנומיים עם מסדי נתונים גנאלוגיים כדי לקשר אדם לזהות של קרוב משפחה גם אם הפרט לא סיפק שום מידע בשום מקום אחר - צורה אמיתית של התקפה שהוכחה בספרות.

כך שהשימור דורש החלטות ארכיטקטוניות שחורגות מהרפלקס של "מחיקת מזהים". אפשרויות מעשיות: שימוש במודלים מקומיים/מתארחים בעצמם כדי לעולם לא להשאיר את הנתונים מחוץ לגבולות המוסד; אם נעשה שימוש בענן, בחר בשכבות ארגוניות עם הסכם עיבוד נתונים (DPA) והתחייבות "לא להשתמש בקלט בהדרכה"; עבודה עם מידע נגזר ומצטבר ולא עם נתונים גולמיים ספציפיים למטופל בכל הזדמנות אפשרית; והגבלת הגישה לעקרון הזכות הקטנה ביותר.

מקרה קונקרטי: מרכז סיכם סדרת מקרים "אנונימית" לכלי AI כללי. מערך הנתונים לא הכיל שמות, אך לכל מטופל היה שילוב של אבחנה נדירה + גיל + עיר; כאשר מצטלבים עם דיווח בעיתון מקומי, ניתן היה לזהות מטופל. היעדר מזהים גולמיים לא מנע זיהוי מחדש.

שכבת הגנה

מה מספק

הגבלה

מחיקת מזהה

מסיר ישירות מזהה

נותרו שילובים נדירים

דגם מקומי/אירוח עצמי

נתונים לא עוזבים את המוסד

עומס התקנה/תחזוקה

DPA+ לא בשימוש בחינוך

הבטחה משפטית/חוזית

יש צורך לקרוא את הפוליסה

צבירה/גזירה

מפחית צלקת אינדיבידואלית

מגביל את עומק הניתוח

לסיכום

• נתונים גנטיים הם נתונים מיוחדים, בלתי ניתנים לשינוי, מזהים וקשורים למשפחה; דורש את הסטנדרט הגבוה ביותר של הגנה.
• נתונים גנטיים של מטופלים הניתנים לזיהוי לעולם אינם מוכנסים לכלי AI פתוחים; שאלות מושגיות מופרדות מהנתונים.
• מסגרות כגון KVKK, GDPR, GINA דורשות הסכמה מפורשת, מגבלות מטרה והגנה חזקה.
• אנונימיזציה אינה ביטחון מוחלט; הדבר הבטוח ביותר הוא לא להעביר נתונים קריטיים כלל.

משימת יישום

קבל דוח גנטי מדגם (בדיוני). באמצעות תבנית 1, רשום את כל האלמנטים המזהים בה והחליט אם "להשמיט" או "ללא העברה" עבור כל אחד. לאחר מכן כתוב מחדש את אותה שאלה קלינית ללא כל נתונים מזהים (באמצעות לוגיקה של תבנית 2). תאר את ההבדל בפרטיות בין שתי הגרסאות במשפט אחד.

רשימת בדיקה

• [ ] סיווגתי את הנתונים לפי זהות.
• [ ] לא הכנסתי נתונים אישיים מזהים לכלי הפתוח.
• [ ] ראיתי שניתן לזהות שילוב של גרסאות נדירות.
• [ ] בדקתי את מדיניות הנתונים של הכלי (שמירה, הדרכה, DPA).
• [ ] שקלתי את ההיבט המשפחתי ואת הסכמת צד שלישי.
• [ ] רשמתי את נתיב העסקה והעברתי אותו ליחידה האתית/משפטית בעת הצורך.