Keuntungan:
- Kemampuan untuk mendefinisikan data pasien sebagai data pribadi khusus dan kewajiban berdasarkan KVKK
- Kemampuan untuk menerapkan anonimisasi konteks, minimalisasi data, dan pemilihan alat yang sesuai dengan perusahaan/kebijakan
- Memahami konsekuensi klinis, hukum, dan etika dari pelanggaran data dan rantai pencegahannya
Data pasien adalah informasi paling intim seseorang: penyakitnya, karakteristik genetik, kesehatan mental, kecanduan, kesehatan seksual. Di Türkiye, Undang-Undang Perlindungan Data Pribadi No. 6698 (KVKK) mendefinisikan data kesehatan sebagai data pribadi khusus; Dengan kata lain, ini memberikan tingkat perlindungan tertinggi. Memasukkan data ini secara sembarangan ke dalam alat kecerdasan buatan (AI) akan membahayakan privasi pasien dan tanggung jawab hukum. Dalam unit ini, Anda akan mempelajari cara melindungi data pasien saat bekerja dengan AI, anonimisasi dan minimalisasi data, memilih alat yang aman, dan konsekuensi pelanggaran. Prinsip dasarnya: Jangan memberikan data yang tidak perlu; anonimkan apa yang Anda berikan; gunakan hanya alat yang sesuai dan sesuai dengan kebijakan.
Mengapa data kesehatan bersifat pribadi?
Menurut KVKK, data pribadi adalah informasi apa pun milik orang perseorangan yang teridentifikasi atau dapat diidentifikasi. Data kesehatan, di sisi lain, bersifat "khusus": pemrosesannya, pada umumnya, memerlukan persetujuan eksplisit atau keadaan khusus yang diizinkan oleh undang-undang, dan langkah-langkah keamanan yang lebih ketat sangat penting. Sekalipun pasien tidak mempunyai nama; Ketika suatu penyakit langka, riwayat penyakit tertentu, institusi dan usia digabungkan, seseorang dapat didefinisikan ulang. Itu sebabnya gagasan "Saya menghapus nama itu, saya aman" menyesatkan; Pengidentifikasi tidak langsung juga menimbulkan risiko.
Perhatian: Memasukkan data kesehatan ke dalam layanan AI yang menggunakan data untuk pelatihan model atau yang server/kebijakannya tidak jelas merupakan pelanggaran KVKK jika tidak ada persetujuan eksplisit dan tindakan pencegahan yang sesuai. Tanggung jawab ada pada dokter dan institusi; "Saya tidak tahu" bukanlah pembelaan.
Tiga pertahanan dasar
1. Minimalkan data. Hanya berikan informasi yang benar-benar diperlukan untuk tugas tersebut. Nama, identitas, atau alamat pasien tidak diperlukan untuk menyederhanakan bahasa epikrisis.
2. Anonimisasi. Hapus atau ganti pengidentifikasi langsung (nama, nama keluarga, ID, nomor file, telepon, alamat, tanggal) dengan label. Juga menggeneralisasi pengidentifikasi tidak langsung (diagnosis langka + institusi + tanggal).
3. Pemilihan kendaraan yang aman. Pilih alat yang dikontrak, sesuai dengan perusahaan dan KVKK yang menjamin bahwa data tidak akan digunakan dalam pendidikan. Baca kebijakan privasi: di mana data disimpan, berapa lama disimpan, siapa yang memiliki akses?
Langkah demi langkah: Penggunaan AI yang sesuai dengan KVKK
- Apakah data ini diperlukan? Jangan pernah memberikan apa yang tidak diperlukan.
- Anonimkan. Hapus pengidentifikasi langsung dan tidak langsung.
- Verifikasi alat tersebut. Kebijakan, retensi, penggunaan pendidikan, lokasi server.
- Apakah persetujuan eksplisit diperlukan? Bila perlu, lakukan prosesnya sesuai prosedur institusi.
- Pertahankan juga hasilnya. Apakah ada kebocoran identitas pada keluaran AI?
- Jejak dan politik. Mematuhi catatan pemrosesan data perusahaan.
tiga kasus mini
Kasus 1 — Mencegah pelanggaran. Seorang asisten ingin merangkum kasus menarik dengan AI untuk presentasi. Pertama, mengekstrak nama, ID, nomor file dan tanggal dari teks, menggeneralisasi institusi dan memilih alat yang disetujui oleh institusi yang tidak menggunakan data dalam pendidikan. Dengan demikian, ini mempercepat kerjanya dan melindungi privasi.
Kasus 2 — Risiko identifikasi tidak langsung. Seorang dokter memasukkan kalimat “Satu-satunya pasien onkologi anak di wilayah X” ke dalam AI. Tidak ada nama, tapi deskripsi ini menunjuk pada satu anak; dapat didefinisikan ulang. Menurut rekannya, dokter menggeneralisasi pernyataan tersebut ("kasus onkologi pediatrik") dan menghilangkan risikonya.
Kasus 3 — Alat salah. Sebuah klinik menggunakan alat gratis untuk menanggapi pesan pasien tanpa membaca kebijakan privasi; Belakangan menjadi jelas bahwa alat tersebut menggunakan data tersebut dalam pelatihan. Institusi menghentikan kendaraan, meninjau prosesnya dan beralih ke solusi yang sesuai dengan KVKK. Membaca kebijakan terlebih dahulu akan mencegah risiko ini.
Tabel jenis pengidentifikasi
Aliran
contoh
harus dilakukan
Pengidentifikasi langsung
Nama, ID TR, nomor file, telepon
Hapus/tandai
semi-deskriptif
Tanggal lahir lengkap, alamat lengkap
Generalisasi (tahun, distrik)
pengenal tidak langsung
Diagnosis langka + institusi + riwayat
Generalisasikan konteksnya
teks bebas
Nama/acara disebutkan dalam catatan
Pindai dan bersihkan
Kebocoran keluaran
Identitas dalam teks yang dihasilkan AI
Periksa juga hasilnya
Empat templat yang dapat disalin
Tugas: Temukan dan kategorikan SEMUA pengenal pribadi/kesehatan pada teks di bawah ini: langsung (nama, ID, nomor file, telepon, alamat), semi (tanggal lengkap), tidak langsung (diagnosis langka + institusi + tanggal). Ganti masing-masing dengan [LABEL], dengan tetap mempertahankan signifikansi klinis.Teks: [...]
Tugas: Menilai risiko IDENTIFIKASI MERAH pada ringkasan kasus ini. Kombinasi informasi apa yang dapat menunjukkan orang tersebut? Pernyataan apa yang harus saya generalisasikan untuk mengurangi risiko? Ringkasan: [...]
Tugas: Membuat daftar periksa bagi saya untuk mengevaluasi kebijakan privasi alat AI: apakah data digunakan dalam pelatihan, berapa banyak yang disimpan, di mana servernya, siapa yang mengaksesnya, apakah ada perjanjian KVKK/pengolah data?
Tugas: Pindai dan tandai AI OUTPUT berikut untuk mengetahui informasi pengidentifikasi atau pengidentifikasi ulang apa pun yang mungkin ada di dalamnya. Jika ada kebocoran, sarankan versi yang sudah dibersihkan. Keluaran: [...]
Perintah lemah / Perintah kuat
Lemah: "Ahmet Yılmaz, TC 123..., file 456, X Rumah Sakit, rangkum epikrisis pasien yang dirawat di rumah sakit dengan diagnosis berikut."
Güçlü: "Sederhanakan ringkasan kasus anonim: Pria berusia 60-an, dirawat di rumah sakit di bangsal penyakit dalam, [DIAGNOSIS], [PERAWATAN]. Nama, ID, nomor file, institusi dan tanggal lengkap tidak diberikan. Jangan memberikan informasi identitas apa pun di cetakan."
Dalam prompt yang kuat, data diminimalkan dan anonim; privasi dan keluaran dilindungi.
Kesalahan umum
- Berpikir "Saya menghapus nama, saya aman". Pengidentifikasi tidak langsung juga menjelaskan.
- Memberikan data yang tidak perlu. Informasi yang tidak diperlukan untuk tugas tersebut tidak boleh dimasukkan sama sekali.
- Tidak membaca kebijakan. Perlu diketahui apakah alat tersebut menggunakan data dalam pelatihan.
- Tidak mengontrol output. Identitas juga bisa dibocorkan dalam keluaran AI.
- Melewati persetujuan. Persetujuan dan prosedur yang jelas tidak boleh diabaikan bila diperlukan.
Jika dilanggar: mata rantai selanjutnya
Anonimisasi dan pemilihan alat merupakan pertahanan preventif; Namun jika terjadi pelanggaran, sebaiknya diketahui terlebih dahulu apa yang harus dilakukan. KVKK membebankan kewajiban tertentu pada pengontrol data: untuk mengevaluasi pelanggaran tanpa penundaan jika ada pelanggaran yang diketahui, untuk memberi tahu orang-orang terkait dan, bila perlu, Dewan Perlindungan Data Pribadi, untuk membatasi kerusakan. Dalam lingkungan klinis, hal ini memerlukan institusi, bukan dokter tunggal, yang menjalankan proses sebagai pengontrol data.
Yang penting dalam praktiknya adalah tidak menyembunyikan atau meminimalkan pelanggaran. Sikap “toh tidak ada nama” atau “tidak ada yang memperhatikan” semakin melemahkan risiko hukum dan kepercayaan pasien. Refleks yang benar adalah dengan segera melaporkan kejadian tersebut kepada unit institusi terkait (pengendali data/kepatuhan), mendokumentasikan data mana yang dibawa kemana, dan melakukan koreksi untuk mencegah terulangnya kembali. Pelanggaran juga merupakan peluang pembelajaran yang mengungkap kelemahan sistem: langkah apa yang dilewati, aturan apa yang hilang?
Perhatian: Menyembunyikan pelanggaran privasi mungkin mempunyai konsekuensi yang lebih parah dibandingkan pelanggaran itu sendiri. Pelaporan yang transparan dan pemulihan yang cepat adalah cara yang tepat, baik secara hukum maupun etika.
Singkatnya
Data pasien merupakan data pribadi khusus yang berada di bawah KVKK dan memerlukan perlindungan tertinggi. Terapkan tiga pertahanan saat bekerja dengan AI: jangan menyediakan data yang tidak diperlukan (minimalkan), anonimkan apa yang Anda berikan (pengidentifikasi langsung dan tidak langsung), pilih hanya alat yang sesuai dengan kebijakan, dan jangan gunakan data untuk pelatihan. Periksa juga keluarannya apakah ada kebocoran. Konsekuensi dari pelanggaran tersebut sangat parah secara klinis, hukum dan etika; Tanggung jawab ada pada dokter dan institusi.
Tugas aplikasi
Evaluasi kebijakan privasi alat AI yang Anda gunakan sendiri dengan daftar periksa di atas: apakah data digunakan dalam pelatihan, berapa banyak yang disimpan, di mana servernya? Kemudian anonimkan teks kasus nyata (dengan tangan Anda sendiri); Temukan dan hapus setiap pengidentifikasi langsung, semi, dan tidak langsung. Pertimbangkan apakah masih ada risiko identifikasi ulang.
daftar periksa
- [ ] Saya tidak pernah memberikan data yang tidak diperlukan untuk tugas tersebut.
- [ ] Saya menghapus/menandai pengidentifikasi langsung.
- [ ] Saya menggeneralisasi pengidentifikasi semi dan tidak langsung.
- [ ] Saya telah menilai risiko identifikasi ulang.
- [ ] Saya telah membaca kebijakan privasi alat tersebut dan memverifikasi kesesuaiannya.
- [ ] Saya memeriksa keluaran AI untuk kebocoran identitas.
- [ ] Saya menerapkan persetujuan eksplisit dan prosedur kelembagaan jika diperlukan.