이득:
- 환자 데이터가 민감한 개인 데이터인 이유와 인공 지능 도구에 제공되기 전에 이를 보호하는 방법을 정의하는 기능
- 맥락을 비식별화하고, 교육에서 데이터를 사용하지 않는 도구를 선택하고, 기관 정책을 준수하는 습관을 실천하는 능력입니다.
- 개인정보 침해로 인한 전문적, 법적, 윤리적 결과와 환자 신뢰 보호의 우선순위를 이해하는 능력.
환자는 자신의 질병, 과거, 두려움, 때로는 아무에게도 말하지 않은 비밀 등 자신의 가장 사적인 정보를 귀하에게 맡깁니다. 이러한 신뢰는 간호직업의 기초이며, 환자의 기밀 유지는 이러한 신뢰의 구체적인 대응물입니다. AI 도구는 강력하지만 개인 정보 보호 위험도 내포합니다. 환자 정보를 AI 도구에 부주의하게 입력하는 것은 해당 정보가 어디로 가는지, 저장되는지, 교육에 사용되는지 알지 못한 채 해당 정보를 유출하는 것을 의미합니다. 본 단원에서는 인공지능 시대에 환자 데이터를 보호하는 방법을 학습합니다. 기본 원칙은 다음과 같습니다. 환자 데이터는 특별한 개인 데이터입니다. 비식별화 처리되고 안전하고 승인된 도구를 사용하지 않고서는 어떠한 인공지능 도구에도 제공되지 않습니다.
환자 데이터가 비공개로 보호되는 이유
개인정보는 개인을 식별하는 모든 정보(이름, ID 번호, 주소)입니다. 특수 개인 데이터는 더 민감한 범주입니다. 그 중 건강 데이터가 가장 먼저 나옵니다. 개인의 질병이 공개되면 고용, 보험, 사회적 관계, 존엄성이 훼손될 수 있습니다. 이것이 바로 법률(KVKK - 우리나라의 개인 데이터 보호법, 유럽의 GDPR)이 최고 수준에서 건강 데이터를 보호하고 해당 데이터 처리를 엄격한 규칙에 구속하는 이유입니다. 의료기관에도 자체 개인정보 보호정책과 환자 권리 규정이 있습니다.
AI 도구에 환자 정보를 입력하면 해당 정보가 기관 외부 서버로 이동되는 경우가 많습니다. 해당 도구가 데이터를 저장하는 방법, 데이터에 액세스하는 사람, 교육에 데이터를 사용하는지 여부를 제어할 수 없습니다. 따라서 데이터가 차량에 도달하기 전에 데이터를 보호해야 합니다.
주의: "그냥 도움을 요청했을 뿐이에요"라고 해서 사생활 침해가 정당화되는 것은 아닙니다. 환자의 이름, ID, 희귀 진단 또는 식별 세부 정보를 승인되지 않은 인공 지능 도구에 기록하는 행위 이는 직업적, 윤리적, 법적 위반입니다. 피해는 되돌릴 수 없습니다.
익명화 방법
비식별화(익명화)는 텍스트에서 개인을 식별할 수 있는 모든 정보를 제거하거나 태그로 대체하는 것입니다. 이름, 성, TR ID, 파일번호, 생년월일, 주소, 전화번호, 날짜, 희귀진단 조합, 직업 등의 식별자는 삭제됩니다. 주의: 때때로 개별적으로는 무해해 보이는 정보가 합쳐지면 어떤 사람인지 알 수 있습니다(예: "마을의 유일한 투석 환자"). 비식별화에서는 단순히 이름을 삭제하는 것만으로는 충분하지 않습니다. 문맥이 그 사람을 단정짓지 않는지 확인하는 것이 필요합니다.
대부분의 작업에서는 식별되지 않은 텍스트로 작업하는 것으로 충분합니다. 진료 계획 초안, SBAR 레이아웃, 교육 자료, 절차 요약은 모두 실제 식별 없이 생성될 수 있습니다. 정체성은 작업의 질에 거의 필수적이지 않습니다.
세 개의 미니 케이스
사례 1 — 안전한 사용. 간호사는 복잡한 사건을 정리하기 위해 인공지능의 도움을 받고 싶어합니다. 그는 본문에서 이름, ID, 날짜, 신원 확인 사항을 제거하고 '68세 환자'와 같은 일반적인 표현으로 적는다. 교육에 데이터를 사용하지 않는 기관에서 승인한 도구를 사용합니다. 무사히 임무를 완수합니다. 신분증이 필요하지 않았습니다.
사례 2 — 비밀 식별자. 한 간호사는 이름을 삭제한 뒤 "우리 병원의 유일한 쌍둥이가 임신했다"고 썼다. 이 표현은 그 사람을 알려줍니다. 동료가 경고합니다. 간호사는 상황을 일반화하고 있습니다. 교훈: 이름을 지우는 것만으로는 충분하지 않습니다. 맥락도 그 사람을 분간해서는 안 됩니다.
사례 3 — 승인되지 않은 차량. 간호사는 서둘러 환자 요약을 무료 앱에 무작위로 붙여넣습니다. 그는 나중에 이 도구가 데이터를 저장하고 훈련에 사용한다는 것을 알게 됩니다. 심각한 개인 정보 보호 문제가 발생합니다. 교훈: 사용하기 전에 도구의 개인정보 보호정책과 기관 승인을 확인하세요.
단계별: 개인 정보를 보호하면서 인공 지능 사용
- 정말 필요한가요? 작업에 최소한으로 충분한 데이터는 무엇입니까?
- 신원을 확인하지 마십시오. 이름, ID, 날짜, 주소 및 식별 세부정보를 지웁니다.
- 맥락을 확인하세요. 나머지 정보는 그 사람을 알려줍니까?
- 도구를 선택합니다. 교육 기관에서 데이터를 사용하지 않고 승인되었으며 정책을 준수합니다.
- 최소한의 데이터로 작업하세요. 너무 많이주지 마십시오.
- 의심스러우면 공유하지 마세요. 확실하지 않은 경우에는 담당자에게 문의하세요.
복사 가능한 템플릿 4개
작업: 아래 환자 텍스트를 익명화하세요. 귀하의 이름, 성, TR ID 번호, 파일 번호, 생년월일, 주소, 전화번호, 날짜 및 개인을 알아볼 수 있는 드문 세부 정보를 [TAG]로 바꾸십시오. 임상적 중요성을 유지합니다. 텍스트: [...]
작업: 아래의 익명 텍스트에서 개별적으로는 무해해 보이지만 종합하면 그 사람을 알아볼 수 있는 정보를 표시하고 이를 일반화하는 방법을 제안하십시오.텍스트: [...]
작업: 환자 데이터 측면에서 인공 지능 도구를 평가하기 위한 체크리스트를 준비하십시오. 교육에서 데이터를 사용합니까, 어디에 저장합니까, 기관 승인이 있습니까, 데이터 삭제 정책은 무엇입니까? 결정은 내가 하도록 하세요.
작업: 간호사를 위해 이 (익명) 사례를 구성합니다. 작업 전체에서 자격 증명을 추가하거나 요청하지 마십시오. 일반적인 연령/성별 이외의 식별자 사용.사례: [...]
약한 프롬프트 / 강한 프롬프트
약함: "Ahmet Yılmaz(62세, TC 123...)는 다음 진단으로 입원했습니다. 그를 위한 치료 계획을 작성하십시오."
Strong: "제가 제공하는 일반 임상 정보를 사용하여 62세 남성 환자(익명)에 대한 치료 계획 초안을 작성합니다. 과제 전반에 걸쳐 이름, ID, 날짜 또는 기타 개인 식별 정보를 묻거나 추가하지 않습니다. 일반적인 임상 상황에서만 작업하세요."
강력한 프롬프트에서는 식별 정보가 제공되지 않습니다. 품질은 이로 인해 영향을 받지 않습니다.
일반적인 실수
- 이름을 삭제하고 컨텍스트를 잊어버립니다. 알아볼 수 있는 세부 사항으로 사람을 알아볼 수 있습니다.
- 승인되지 않은/무료 도구를 아무 생각 없이 사용하는 것. 개인정보취급방침 및 기관의 승인 여부를 먼저 확인합니다.
- 아이덴티티는 "품질에 필요하다"고 생각합니다. 실제 ID가 필요한 임무는 거의 없습니다.
- 서둘러 붙여넣으세요. 일단 나가면 데이터를 검색할 수 없습니다.
- 의심스러운 공유. 확실하지 않다면 포기하지 마세요. 담당자에게 문의하세요.
누출이 발생한 경우: 피해 제한
가장 주의 깊은 간호사라도 실수를 할 수 있습니다. 즉, 승인되지 않은 차량에 신분증이 포함된 텍스트를 실수로 붙여넣는 것과 같은 실수를 할 수 있습니다. 그런 상황에서는 당황하거나 숨는 것이 최악의 대응이다. 올바른 접근 방식은 피해 제한입니다. 담당 간호사와 해당 기관의 데이터 보안/규정 준수 부서에 사건을 즉시 보고하고, 어떤 데이터가 어디로 가는지 기록하고, 해당 기관의 사건 보고 절차를 따릅니다. 많은 도구에는 과거 대화를 삭제하거나 데이터 사용을 끄는 옵션이 있습니다. 이것들을 사용해야 합니다. 조기에 정직하게 보고하면 환자를 보호하고 전문적으로 올바른 입장을 유지할 수 있습니다. 사생활 침해 사건을 은폐하는 것은 사건 자체보다 더 큰 위반입니다.
대부분의 기관에는 그러한 사건에 대한 보고 및 평가 프로세스가 있습니다. 비난하는 것이 아니라 재발을 방지하는 것이 목표입니다. 그러니 마음껏 신고하세요.
환자에 대한 투명성과 동의
개인정보 보호는 단순히 데이터를 숨기는 것이 아니라 환자에게 정직하게 대하는 것입니다. 환자는 자신의 정보가 어떻게 사용되는지 알 권리가 있습니다. 치료 과정에서 AI 도구를 사용할 때 기관 정책 및 환자 권리 프레임워크 내 투명성이 필수적입니다. 환자 데이터와 관련된 거래는 기관의 공개 및 동의 프로세스에 따라 수행되어야 합니다. 간호사로서 도구에서 환자의 데이터를 처리할 때 좋은 나침반은 "이것이 환자가 나에 대해 갖고 있는 신뢰와 일치하는가?"라고 묻는 것입니다. 환자에게 절차를 명확하게 설명하는 것이 불편하다면 그렇게 해서는 안 됩니다. 개인정보 보호는 기술적인 규칙이기 이전에 신뢰 관계입니다. 기술은 이러한 관계를 약화시키는 것이 아니라 강화해야 합니다.
팁: 비식별화를 습관화하는 실용적인 방법은 환자 데이터를 작업하기 전에 스스로에게 끊임없는 질문을 하는 것입니다. "이 텍스트가 실수로 기관 외부로 유출된 경우 누군가 이 사람이 누구인지 알 수 있습니까?" 대답이 "아마도"라고 하더라도 맥락을 더욱 일반화하세요. 또 다른 경험 법칙은 데이터 양을 지속적으로 제한하는 것입니다. AI에 작업에 필요한 최소한의 정보를 제공하고 "만일의 경우"에 추가 세부 정보를 추가하지 마십시오. 제공된 추가 정보는 불필요하고 위험합니다. 개인 정보 보호는 일회성 확인이 아니라 키를 누를 때마다 적용되는 규율입니다. 이 규율은 시간이 지남에 따라 반사적으로 작용하여 귀하와 환자 모두를 보호합니다.
요약하면
환자 데이터는 특별한 개인 데이터이며 환자 신뢰의 기초입니다. 인공 지능 도구는 이 데이터를 조직 외부로 이동할 위험이 있습니다. 매번 사용하기 전에 데이터를 비식별화하고, 상황이 개인을 누설하지 않도록 하고, 교육에 데이터를 사용하지 않는 기관 승인 도구를 선택하고, 최소한의 데이터로만 작업하세요. 개인정보 침해는 되돌릴 수 없습니다. 의심스러운 점을 공유하지 마십시오. 거의 모든 작업에는 신분증이 필요하지 않습니다.
응용과제
귀하의 서비스에서 실제 사실 자료를 얻으십시오. 그/그녀의 신원을 제거하십시오: 이름, ID, 날짜, 주소 및 인식 가능한 세부사항을 지운 다음, 맥락에서 여전히 그 사람을 알 수 있는지 확인하십시오. 그런 다음 사용하는 인공지능 도구의 개인정보 보호정책을 열고 해당 도구가 교육에 데이터를 사용하는지, 기관의 승인을 받았는지 확인하세요. 개인 정보 보호 위험을 발견하면 적어 두십시오.
체크리스트
- [ ] 작업에 필요한 최소 데이터를 설정했습니다.
- [ ] 이름, ID, 날짜, 주소, 식별자를 삭제했습니다.
- [ ] 남은 문맥으로는 그 사람을 알아차리지 못하는 것을 확인했습니다.
- [ ] 교육에 사용되지 않는 기관 승인 도구를 선택했습니다.
- [ ] 최소한의 필수 데이터만 가지고 작업했습니다.
- [ ] 툴의 개인정보취급방침을 확인했습니다.
- [ ] 의심스러울 때에는 공유하지 않고 담당자에게 상담하였습니다.