Keuntungan:
- Kemampuan untuk membedakan data yang membuat wanita hamil dapat diidentifikasi secara langsung atau tidak langsung dan melakukan de-identifikasi sebelum memberikannya kepada kecerdasan buatan
- Kemampuan menerapkan minimalisasi data dan membiasakan hanya menggunakan alat yang disetujui institusi dalam kerangka KVKK
- 'Dapatkah orang ini ditemukan dari teks ini?' Kemampuan untuk mengelola risiko identifikasi ulang dengan menerapkan tes
Kebidanan merupakan profesi yang menyentuh informasi paling pribadi masyarakat: bagaimana suatu kehamilan terjadi, masa kehamilan yang lalu, keguguran, kehilangan, hubungan, kondisi mental, kesehatan seksual. Ketika informasi ini jatuh ke tangan yang salah, hal ini akan menimbulkan kerugian yang tidak dapat diperbaiki lagi – krisis dalam negeri, stigma sosial, dan hilangnya kepercayaan. Oleh karena itu, kerahasiaan bukanlah “aturan tambahan” dalam kebidanan, melainkan landasan profesi. Setelah Anda memperkenalkan AI ke dalam bisnis Anda, batasan privasi baru akan terbuka: apa pun yang Anda ketik di asisten obrolan mungkin berada di luar kendali Anda. Unit ini mengajarkan Anda cara melindungi data ibu hamil secara menyeluruh saat menggunakan AI — terutama dalam kerangka KVKK (Undang-undang Perlindungan Data Pribadi; undang-undang yang mengatur pemrosesan data pribadi di Türkiye).
Prinsip dasarnya ada dalam satu kalimat: Informasi apa pun yang membuat wanita hamil dapat dikenali tidak boleh dimasukkan ke dalam alat kecerdasan buatan. Mempelajari aturan ini lebih diutamakan dibandingkan semua keterampilan lain dalam modul; Karena sekali data bocor tidak bisa diambil kembali.
Perhatian: Teks yang Anda ketik pada alat AI masuk ke server layanan tersebut; dapat disimpan, diproses, dan dalam beberapa kasus digunakan untuk pelatihan model. Mengatakan "Saya hanya ingin ringkasan" tidak mengembalikan data. Satu-satunya cara aman adalah dengan tidak mengetikkan kredensial terlebih dahulu.
Apa itu data pribadi, informasi apa yang membuatnya dapat diidentifikasi?
Data pribadi adalah informasi apa pun yang membuat seseorang dapat diidentifikasi secara langsung atau tidak langsung. Di bidang kebidanan, khususnya pada kategori khusus (seperti data kesehatan yang mendapat perlindungan tertinggi dalam undang-undang). Pertimbangkan informasi yang memberikan pengakuan dalam dua kelompok:
Pengidentifikasi langsung: Nama-nama belakang, nomor ID TR, nomor file/protokol, telepon, alamat, email, tanggal lahir, akun media sosial, foto.
Deskriptor tidak langsung (digabungkan agar dapat dikenali): "Satu-satunya kehamilan kembar tiga di lingkungan itu", "satu-satunya wanita berusia 44 tahun di institusi tersebut dengan kehamilan pertamanya", penyakit langka + pemukiman kecil, tempat kerja + usia kehamilan. Beberapa detail yang tampaknya tidak bersalah, dapat menunjukkan seseorang jika disatukan. Ini disebut risiko reidentifikasi.
De-identifikasi adalah proses menghilangkan pengidentifikasi ini dari teks. De-identifikasi yang dilakukan dengan baik akan menghapus pengidentifikasi langsung dan tidak langsung.
Langkah demi langkah: De-identifikasi sebelum memberikan data ke AI
- Hapus pengenal langsung: Nama, ID, nomor telepon, nomor file, alamat, tanggal — hapus semuanya. Gantikan dengan generalisasi seperti “Hamil A”, “sekitar usia 38”, “trimester kedua”.
- Mengaburkan petunjuk tidak langsung: Ubah usia pasti menjadi rentang (misalnya "awal 40-an"), lokasi tepat menjadi wilayah, dan kombinasi langka menjadi umum.
- Buang detail yang tidak perlu: Berikan informasi minimum yang diperlukan AI untuk melakukan tugasnya (minimalkan data). Riwayat ibu hamil tidak diwajibkan untuk menulis kartu menyusui.
- Periksa kebijakan institusi: Beberapa institusi mendefinisikan alat AI yang disetujui/institusional; mungkin melarang memasukkan data pasien ke alat pribadi/gratis. Ikuti aturan institusi Anda.
- Bacaan terakhir: Sebelum mengirimkan prompt "dapatkah orang ini ditemukan dari teks ini?" Bacalah sekali lagi.
Langkah yang paling sulit dari lima langkah ini adalah langkah kedua—mengaburkan petunjuk tidak langsung—karena menghapus pengenal langsung mudah dan terlintas dalam pikiran terlebih dahulu, namun sebagian besar pengenalan sebenarnya berasal dari kombinasi rincian tidak langsung. Kombinasi profesi, usia, tempat tinggal, dan kondisi langka dapat membuat seseorang menjadi satu orang, meski tidak disebutkan namanya. Oleh karena itu, de-identifikasi tidak boleh dianggap sebagai "menghapus nama" tetapi sebagai "memastikan bahwa tidak seorang pun yang membaca teks ini dapat menebak orang tersebut". Kerangka mental ini secara radikal mengurangi risiko identifikasi ulang.
Petunjuk: Tes yang bagus: Jika Anda menunjukkan teks yang tidak teridentifikasi kepada rekan kerja yang mengenal wanita hamil tersebut, apakah dia akan mengatakan "ini ini dan itu"? Jika dia bisa mengatakan itu, berarti Anda belum cukup membeda-bedakannya.
tiga kasus mini
Kasus 1 — Pengakuan tidak langsung: Saat menanyakan ringkasan riwayat penyakit kepada AI, seorang bidan menghilangkan ID tersebut tetapi meninggalkan kalimat “satu-satunya kehamilan kembar empat di kota kami.” Kalimat tunggal ini langsung menunjuk pada orang di tempat kecil itu. Rekannya memperhatikan dan memperingatkan; Bidan menggeneralisasi ungkapan tersebut sebagai "kehamilan ganda". Pelajaran: pengenal tidak langsung sama berbahayanya dengan pengenal langsung.
Kasus 2 — Minimalkan data: Bidan kedua biasanya menempelkan seluruh file wanita hamil ke dalam AI, bukan hanya mencetak brosur "nutrisi kehamilan". Artinya: tidak diperlukan data pribadi untuk brosur. Dia mengambil brosur itu tanpa menyerahkan filenya, hanya menulis subjeknya. Data yang paling aman adalah data yang tidak pernah dibagikan.
Kasus 3 — Alat yang salah: Pada contoh ketiga, seorang bidan akan mengetikkan informasi pasien ke dalam aplikasi acak di telepon pribadinya ketika dia mengingat kebijakan institusi: data pasien hanya dapat diproses tanpa identifikasi dan menggunakan alat yang disetujui oleh institusi. Tidak menggunakan aplikasi pribadi. Kebocoran data sering kali muncul karena momen "kenyamanan" dan bukan karena kesalahan teknis.
Templat yang dapat disalin
Peran: Anda adalah asisten kontrol de-identifikasi.Tugas: Tandai setiap ekspresi dalam teks di bawah ini yang dapat mengidentifikasi seseorang secara LANGSUNG atau TIDAK LANGSUNG:- Langsung: nama, ID, telepon, alamat, nomor file, tanggal pasti, foto.- Tidak langsung: kombinasi langka, tempat kecil + situasi khusus, usia pasti, tempat kerja, kualitas unik/unik.Sarankan GENERALISASI yang lebih aman untuk masing-masing.Teks: [teks]
Peran: Anda adalah konsultan minimalisasi data. Tugas: Saya ingin melakukan pekerjaan ini: [pekerjaan]. Berapa informasi minimum yang HARUS SAYA berikan kepada ANDA untuk melakukan ini? Tandai informasi pasien yang tidak perlu sebagai "[JANGAN MEMBERIKAN]".
Peran: Anda adalah asisten ringkasan yang aman. Tugas: Meringkas cerita yang DIDIDENTIFIKASI di bawah. Jika Anda melihat informasi identifikasi dalam teks, jangan meringkas; sebagai gantinya tulis "Saya mendeteksi kredensial, harap hapus dan kirim ulang." Cerita: [cerita]
Daftar periksa pengingat kebijakan institusi (tanyakan pada diri Anda): - Apakah alat ini disetujui oleh institusi saya? - Apakah ada informasi identitas pribadi dalam data yang saya masukkan? - Apakah informasi ini benar-benar diperlukan untuk pekerjaan ini? - Bisakah seseorang yang saya kenal menemukan orang tersebut jika mereka membaca teks?
Perintah lemah / Perintah kuat
Lemah: "Ayşe Y., 39, kehamilan ketiga, di rumah sakit berikutnya, nomor arsip 4412; rangkum riwayatnya."
Prompt ini penuh dengan pengidentifikasi langsung; Data pribadi bocor segera setelah dikirim.
Kuat:
Peran: asisten ringkasan aman. Ringkaslah sejarah anonim berikut. "Hamil A, akhir 30-an, kehamilan ketiga, [detail medis terkait anonim]." Jika Anda melihat informasi identitas dalam teks, jangan meringkas, peringatkan.
Perbedaan: Tidak ada pengidentifikasi langsung/tidak langsung dalam versi kuat; yang ada hanyalah konteks tanpa identitas yang diperlukan untuk melakukan pekerjaan itu. Keamanan dimulai sebelum perintah ditulis.
Apa yang harus dibagikan dan apa yang tidak boleh dibagikan
Jenis informasi
Apakah itu termasuk dalam AI?
alternatif
Nama, ID TR, telepon, alamat, nomor file
tidak pernah
"Hamil A"
Usia pasti/tanggal pasti
tidak
Rentang usia/trimester
Kombinasi tempat yang langka + kecil
tidak
menggeneralisasi
Konteks medis umum (anonim)
Ya, jika perlu
Terapkan minimalisasi data
Foto/gambar
Tidak (wajah/tanda)
tidak perlu
Kendaraan tidak disetujui oleh institusi
Tidak ada data pasien
Kendaraan yang disetujui
Kesalahan umum
- Hanya menghapus nama dan meninggalkan petunjuk tidak langsung: Risiko identifikasi ulang tetap ada.
- Menempelkan seluruh file untuk "kenyamanan": Melanggar prinsip minimalisasi data.
- Memasukkan data pasien ke perangkat pribadi/tidak disetujui: Mungkin bertentangan dengan kebijakan institusi dan KVKK.
- Berbagi foto/tangkapan layar: Wajah, nama, dan nomor file dalam gambar dapat dirahasiakan.
- Menambahkan ID sambil menyimpan keluaran: Menambahkan ID ke keluaran yang datang tanpa ID akan membawa risiko kembali.
- Dengan asumsi "itu tetap terhapus": Anda tidak tahu apa datanya; Satu-satunya jaminan adalah tidak mengirim apa pun.
Singkatnya
Saat menggunakan kecerdasan buatan, privasi merupakan prasyarat, bukan teknis. Informasi apa pun yang membuat wanita hamil dapat dikenali secara langsung (nama, ID, telepon) atau tidak langsung (kombinasi langka + lokasi kecil) tidak boleh dimasukkan ke dalam alat AI. Praktikkan minimalisasi data — berikan informasi minimum yang diperlukan untuk melakukan pekerjaan — dan hanya gunakan alat yang disetujui oleh organisasi Anda. Tanpa mengirimkan prompt "dapatkah orang ini ditemukan dari teks ini?" melakukan tes. Setelah bocor, data tidak dapat diambil; Oleh karena itu, keamanan dimulai sebelum prompt ditulis.
Tugas aplikasi
Ambil riwayat kehamilan yang sebenarnya (di atas kertas) dan bersihkan teks selangkah demi selangkah menggunakan templat deidentifikasi: pertama pengidentifikasi langsung, kemudian pengidentifikasi tidak langsung. Tunjukkan teks yang sudah dibersihkan kepada rekan kerja dan tanyakan "siapa ini?" bertanya; Jika Anda bisa mengenalinya, generalisasikan lebih lanjut. Temukan juga kebijakan AI/data institusi Anda, rangkum dalam satu kalimat, dan catat alat mana yang disetujui.
daftar periksa
- [ ] Saya menghapus semua pengenal langsung (nama, ID, telepon, alamat, nomor file).
- [ ] Saya menggeneralisasi deskriptor tidak langsung (kombinasi langka, lokasi kecil, usia pasti).
- [ ] Saya hanya memberikan informasi minimum yang diperlukan untuk melakukan pekerjaan itu.
- [ ] Saya hanya menggunakan alat yang disetujui oleh institusi saya.
- [ ] "Dapatkah orang ini ditemukan dari teks ini?" Saya melakukan tes.
- [] Saya tidak menambahkan kredensial apa pun ke output setelahnya.