Dobici:
- Sposobnost definiranja podataka o pacijentu kao posebnih osobnih podataka i obveza prema KVKK
- Sposobnost implementacije anonimizacije konteksta, minimizacije podataka i odabira alata usklađenog s korporativnim/pravilima
- Razumijevanje kliničkih, pravnih i etičkih posljedica povrede podataka i lanca prevencije
Podaci o pacijentu su najintimnije informacije o osobi: bolesti, genetske karakteristike, mentalno zdravlje, ovisnosti, spolno zdravlje. U Turskoj, Zakon o zaštiti osobnih podataka br. 6698 (KVKK) definira zdravstvene podatke kao posebne osobne podatke; Drugim riječima, pruža najvišu razinu zaštite. Neoprezno unošenje ovih podataka u alat za umjetnu inteligenciju (AI) ugrožava privatnost pacijenata i pravnu odgovornost. U ovoj ćete jedinici naučiti kako zaštititi podatke o pacijentu pri radu s umjetnom inteligencijom, anonimizirati i minimizirati podatke, odabrati sigurne alate i posljedice kršenja. Osnovno načelo: Ne davati nepotrebne podatke; anonimizirati ono što dajete; koristite samo odgovarajuće alate koji su usklađeni s pravilima.
Zašto su zdravstveni podaci privatni?
Prema KVKK, osobni podatak je svaki podatak koji pripada određenoj ili fizičkoj osobi koja se može identificirati. Podaci o zdravstvenom stanju su, s druge strane, "posebne prirode": za njihovu obradu u pravilu je potreban izričit pristanak ili posebne zakonom dopuštene okolnosti, a bitne su i strože sigurnosne mjere. Čak i ako pacijent nema ime; Kada se spoje rijetka bolest, specifična povijest, institucija i dob, osoba se može redefinirati. Zato je ideja "Izbrisao sam ime, siguran sam" varljiva; Neizravni identifikatori također predstavljaju rizik.
Pažnja: Unošenje zdravstvenih podataka u uslugu umjetne inteligencije koja koristi podatke za obuku modela ili čiji su poslužitelji/politike nejasni predstavlja kršenje KVKK ako nema izričitog pristanka i odgovarajućih mjera opreza. Odgovornost je na liječniku i ustanovi; "Nisam znao" nije obrana.
Tri osnovne obrane
1. Minimizacija podataka. Navedite samo informacije koje su doista potrebne za zadatak. Nema potrebe za imenom, osobnom iskaznicom ili adresom pacijenta kako bi se pojednostavio jezik epikrize.
2. Anonimizacija. Uklonite ili zamijenite izravne identifikatore (ime, prezime, osobnu iskaznicu, broj dosjea, telefon, adresu, datum) oznakom. Također generalizirajte neizravne identifikatore (rijetka dijagnoza + ustanova + datum).
3. Siguran odabir vozila. Odaberite ugovorene, korporativne i KVKK sukladne alate koji jamče da se podaci neće koristiti u obrazovanju. Pročitajte pravila o privatnosti: gdje se podaci pohranjuju, koliko se dugo čuvaju, tko ima pristup?
Korak po korak: korištenje umjetne inteligencije usklađeno s KVKK
- Jesu li ti podaci potrebni? Nikad ne daj ono što nije potrebno.
- Anonimiziraj. Jasni izravni i neizravni identifikatori.
- Provjerite alat. Politika, zadržavanje, obrazovna upotreba, lokacija poslužitelja.
- Je li potreban izričit pristanak? Po potrebi provesti postupak prema institucijskoj proceduri.
- Sačuvajte i izlaz. Postoji li curenje identiteta u izlazu umjetne inteligencije?
- Trag i politika. Poštujte korporativni zapis obrade podataka.
tri mini kućišta
Slučaj 1 — Spriječeno kršenje. Pomoćnik želi sažeti zanimljiv slučaj s umjetnom inteligencijom za prezentaciju. Najprije izdvaja naziv, ID, broj datoteke i datum iz teksta, generalizira ustanovu i odabire alat odobren od strane ustanove koji ne koristi podatke u obrazovanju. Na taj način ubrzava svoj rad i štiti privatnost.
Slučaj 2 — Rizik neizravne identifikacije. Liječnik unosi izraz "Jedini pedijatrijski onkološki pacijent u okrugu X" u AI. Nema imena, ali ovaj opis ukazuje na jedno dijete; može se redefinirati. Po kolegici, liječnik generalizira izjavu ("slučaj dječje onkologije") i eliminira rizik.
Slučaj 3 — Pogrešan alat. Klinika koristi besplatni alat za odgovaranje na poruke pacijenata bez čitanja pravila o privatnosti; Kasnije je postalo jasno da je alat koristio podatke u obuci. Institucija zaustavlja vozilo, pregledava proces i prelazi na rješenje usklađeno s KVKK. Čitanje pravila unaprijed bi spriječilo ovaj rizik na prvom mjestu.
Tablica vrsta identifikatora
Žanr
primjer
biti učinjeno
Izravni identifikator
Ime, TR ID, broj datoteke, telefon
Ukloni/označi
poluopisni
Puni datum rođenja, puna adresa
Generalizirati (godina, okrug)
neizravni identifikator
Rijetka dijagnoza + ustanova + anamneza
Generalizirajte kontekst
slobodan tekst
Ime/događaj naveden u bilješci
Skenirajte i očistite
Izlazno curenje
Identitet u tekstu generiranom umjetnom inteligencijom
Također provjerite izlaz
Četiri predloška za kopiranje
Zadatak: Pronađite i kategorizirajte SVE osobne/zdravstvene identifikatore u donjem tekstu: izravni (ime, osobna iskaznica, broj dosjea, telefon, adresa), polu (puni datum), neizravni (rijetka dijagnoza + ustanova + datum). Zamijenite svaki s [OZNAKA], zadržavajući kliničku važnost. Tekst: [...]
Zadatak: Procijenite rizik od CRVENE IDENTIFIKACIJE ovog sažetka slučaja. Koja bi kombinacija informacija mogla upućivati na osobu? Koje izjave trebam generalizirati kako bih smanjio rizik? Sažetak: [...]
Zadatak: Napravite popis za provjeru za procjenu politike privatnosti AI alata: koriste li se podaci u obuci, koliko se pohranjuje, gdje je poslužitelj, tko mu pristupa, postoji li ugovor KVKK/obrađivač podataka?
Zadatak: Skenirajte i označite sljedeći AI IZLAZ radi bilo kakvih informacija za identifikaciju ili ponovnu identifikaciju koje može sadržavati. Ako ima curenja, predložite očišćenu verziju. Izlaz: [...]
Slab upit / Jak upit
Slab: "Ahmet Yılmaz, TC 123..., fascikla 456, X bolnica, sažeti epikrizu pacijenta hospitaliziranog sa sljedećom dijagnozom."
Güçlü: "Pojednostavite anonimni sažetak slučaja: Muškarac u svojim 60-ima, hospitalizacija na odjelu interne medicine, [DIJAGNOZA], [LIJEČENJE]. Nisu navedeni ime, ID, broj dosjea, ustanova i puni datum. Ne navodite nikakve podatke za identifikaciju u ispisu."
U snažnom odzivniku podaci su minimizirani i anonimni; i privatnost i izlaz su zaštićeni.
Uobičajene greške
- Razmišljajući "Izbrisao sam ime, siguran sam". Neizravni identifikatori također opisuju.
- Davanje nepotrebnih podataka. Podaci koji nisu potrebni za zadatak ne smiju se uopće unositi.
- Ne čitajući politiku. Trebalo bi znati koristi li alat podatke u obuci.
- Ne kontrolira izlaz. Identitet također može procuriti u AI izlazu.
- Zaobilaženje pristanka. Izričiti pristanak i postupak ne bi se trebali zanemariti kada je to potrebno.
Ako se prekrši: sljedeće karike u lancu
Anonimizacija i odabir alata su preventivne obrane; Ali ako postoji kršenje, treba unaprijed znati što učiniti. KVKK nameće određene obveze voditelju obrade podataka: bez odgode procijeniti povredu ako je primijećena, obavijestiti relevantne osobe i, po potrebi, Odbor za zaštitu osobnih podataka, kako bi se ograničila šteta. U kliničkom okruženju to zahtijeva da ustanova, a ne jedan liječnik, upravlja procesom kao kontrolor podataka.
U praksi je važno ne sakriti ili umanjiti kršenje. Stav "ionako nije imao naziv" ili "nitko ne primjećuje" dodatno potkopava pravni rizik i povjerenje pacijenata. Ispravan refleks je odmah prijaviti incident relevantnoj jedinici institucije (kontroloru podataka/sukladnosti), dokumentirati koji podaci kamo idu i izvršiti ispravak kako bi se spriječilo ponavljanje. Kršenje je također prilika za učenje koja otkriva slabu kariku sustava: koji je korak preskočen, koje je pravilo nedostajalo?
Oprez: prikrivanje povrede privatnosti može imati teže posljedice od same povrede. Transparentno izvješćivanje i brza sanacija ispravan je put, i zakonski i etički.
Ukratko
Podaci o pacijentu su posebni osobni podaci prema KVKK i zahtijevaju najveću moguću zaštitu. Primijenite tri obrane kada radite s umjetnom inteligencijom: nemojte davati podatke koji nisu potrebni (minimizacija), anonimizirajte ono što dajete (izravni i neizravni identifikatori), birajte samo alate koji su usklađeni s pravilima i ne koristite podatke za obuku. Također provjerite curi li izlaz. Posljedice kršenja su klinički, zakonski i etički teške; Odgovornost je na liječniku i ustanovi.
Zadatak aplikacije
Ocijenite politiku privatnosti alata umjetne inteligencije koji sami koristite pomoću gornjeg popisa za provjeru: koriste li se podaci u obuci, koliko se pohranjuje, gdje je poslužitelj? Zatim anonimizirajte pravi slučajni tekst (vlastitom rukom); Pronađite i izbrišite svaki od izravnih, polu i neizravnih identifikatora. Razmotrite postoji li rizik od ponovne identifikacije.
popis za provjeru
- [ ] Nikad nisam dao nepotrebne podatke za zadatak.
- [ ] Uklonio sam/označio izravne identifikatore.
- [ ] Generalizirao sam polu- i neizravne identifikatore.
- [ ] Procijenio sam rizik ponovne identifikacije.
- [ ] Pročitao sam politiku privatnosti alata i potvrdio njegovu prikladnost.
- [ ] Provjerio sam AI izlaz za curenje identiteta.
- [ ] Primijenio sam izričit pristanak i institucionalni postupak gdje je to bilo potrebno.