Добивки:
- Способност за препознавање вградени информации за идентификација (заглавие и изгорени податоци) во сликите на DICOM и примена на правила за анонимизација и безбедно споделување
- Способност за критичка проценка на валидацијата, нивото на докази, регулаторното одобрение (CE/регулатива) и локалната валидација на моделот на вештачка интелигенција
- Способност за решавање на етичките прашања како што се алгоритамска пристрасност, согласност на пациентот, одговорност и транспарентност во контекст на слики
Радиолошките податоци се еден од најчувствителните типови на лични податоци. Сликата пренесува не само болест, туку чија е болест; МНР на мозокот може да идентификува личност преку реконструкција на лицето, датотеката DICOM го складира името на пациентот, идентификацискиот број и датумот на раѓање во нејзиниот наслов. Во ерата на вештачката интелигенција, лесно е да се вчитаат овие податоци во алатка, да се споделат или да се користат за обука на модел - и токму оваа леснотија создава најголем ризик за приватноста. Во оваа единица, ќе разговараме за анонимизацијата на DICOM, KVKK/приватноста, валидацијата на моделот и етичките прашања од крај до крај.
Основен принцип: Радиолошките слики и извештаи се посебни лични податоци. Податоците за идентитетот во заглавието DICOM и вградени во сликата не влегуваат во ниту една надворешна алатка без да бидат анонимизирани. Сигурност на модел; Валидацијата се оценува според ниво на докази, регулаторно одобрение и локална верификација. Одговорноста, потписот и конечната одлука секогаш се на радиологот.
DICOM носи идентитет во два слоја
Радиолошките податоци, за разлика од другите здравствени податоци, го носат идентитетот во два посебни слоја и анонимизацијата е нецелосна без да се исчистат и двата.
1. DICOM заглавие: Структурирани полиња на почетокот на датотеката со слика - име на пациентот, идентификациски број/протокол број, датум на раѓање, пол, институција, датум на испитување, уред. Овие области може да се избришат/маскираат со алатка, но ако се заборави, сликата ќе продолжи да носи идентификација додека се смета дека е „анонимна“.
2. Изгорени податоци: на некои слики - особено ултразвук, снимање на екран со флуороскопија, надворешни скенирања - информациите за пациентот се запишуваат директно во пикселите. Чистењето на заглавјето не го отстранува ова; Вградениот текст треба да биде маскиран (покриен) или таа област треба да биде исечена.
Дополнително, ризикот од реконструкција на лицето: лицето може да се реконструира тродимензионално од КТ на главата/мозокот со висока резолуција и МРИ; Ова, исто така, е форма на откривање на идентитетот и, во некои контексти, бара „обезобразување“.
слој
каде
Како да се исчисти
ако се заборави
Заглавие на DICOM
Наслов на датотека
Алатка за анонимизација
ИД останува отворена
вграден текст
интра пиксел
Маскирање/сечење
Сликата носи идентитет
податоци за лице
3D поглед на главата
обезличување
Препознатлив по лице
Текст за известување
RIS/текст
Отстранување име/број
Лицето е идентификувано
KVKK и безбедно споделување
Во Турција, KVKK (Закон за заштита на лични податоци) ги третира здравствените податоци како „лични податоци од посебна природа“ на највисоко ниво на заштита; Во Европа, неговиот еквивалент е GDPR. Основни правила: обработувајте податоци само онолку колку што е потребно за потребната цел; деанонимизација надвор од институцијата; Ако сакате да го користите во обука за модели, дајте правна основа и експлицитна согласност доколку е потребно; Знајте каде одат вашите податоци. Поставувањето неанонимизирани слики/извештаи на јавна алатка за вештачка интелигенција е прекршување на податоците. Треба да се претпочитаат корпоративни алатки кои имаат договор за обработка на податоци (DPA), не ги користат вашите податоци за обука за модели, а по можност треба да работат дома/локално.
Внимание: Да се каже „штотуку го избришав презимето“ или „алатката е веќе безбедна“ не е анонимизација. Ниту еден податок не оди надвор од институцијата без да се отстранат сите податоци за името, TR ID, број на протокол/испит, датум на раѓање, контакт, институција и вградени/заглавие податоци за идентитетот. Анонимизацијата не е навика, не е еднократна задача.
Потврда на моделот: кога да му верувате на моделот
Не е доволно да се каже дека модел „работи“; Неопходно е да се праша како, каде и колку функционира.
- Валидација и ниво на докази: Во која популација, во колку случаи, со која метрика (чувствителност, специфичност, лажно негативен) е тестиран моделот? Дали има објавени, независни докази?
- Регулаторно одобрение: Дали производот е одобрен како медицински уред (на пр. CE ознака, соодветно регулаторно одобрение)? Која употреба е покриена со одобрението?
- Локална верификација: Најкритичниот чекор. Дали моделот е тестиран на вашиот сопствен уред, вашиот сопствен протокол, вашата сопствена популација? Поместување на дистрибуцијата (намалување на перформансите додека се оддалечувате од условите за обука) не се гледа без локална валидација.
- Следливост: Дали се следат верзијата на моделот, ажурирањата и промената на перформансите?
Етичка димензија
Алгоритамска пристрасност: ако моделот е обучен за одредена популација, тој може да има полоши резултати во другите групи (возраст, пол, етничка припадност, ретка болест) и да ја зголеми нееднаквоста. Согласност и транспарентност на пациентот: Дали пациентот треба да знае дека вештачката интелигенција се користи во неговата дијагноза; Како институцијата го прави ова транспарентно? Одговорност: Ако отчитувањето со помош на вештачка интелигенција направи грешка, кој е одговорен - одговорот е кај радиологот кој се одјавил; ВИ не ја презема одговорноста. Праведен пристап: ако алатките за вештачка интелигенција се достапни во некои центри, а не во други, ова може да биде извор на нееднаквост.
три мини футроли
Случај 1 - Прекршување на вграден текст. Лекар прикачува интересна слика од ултразвук, го чисти нејзиното заглавие и го прикачува на јавна алатка за вештачка интелигенција. Но, во аголот на сликата има името на пациентот и бројот на протоколот врежани во пикселот; Иако заглавието беше чисто, имаше вградено ID на објава. Институцијата наидува на известување за KVKK. Точниот начин беше да се маскира вградената област и да се сподели така.
Случај 2 - Дисеминација без локална верификација. Центарот рутински воведува модел на коскена старост обучен на странска популација без да го потврди во сопствената група на пациенти. Месеци подоцна, се забележува дека моделот е систематски пристрасен во своите популации. Ако беше направена локална верификација, тоа ќе се видеше од почеток. Поука: дури и регулаторното одобрување не е замена за локалната верификација.
Случај 3 - Извештај за анонимизација. Радиолог сака да разговара за тежок случај со својот колега преку алатка за вештачка интелигенција. Тој ја препишува приказната како „62-годишна жена, позната историја на рак на дојка“ наместо „Ајше Јилмаз, протокол 2024-114523, рак на дојка“; Ја споделува сликата со исчистено заглавие на DICOM и маскиран вграден текст. Се води клиничка дискусија, не се откриваат идентитети. Правилната анонимизација овозможи безбедно користење на вештачката интелигенција.
Слаб промпт / Силен промпт
Слаба навестување:
Ayşe Yılmaz, TC 123..., протокол 2024-114523, рак на дојка, толкувајте ја оваа МНР.
Идентитетот отворено се споделува; Ова е прекршување на KVKK, требаше да престане пред да се напише промптот.
Моќен потсетник:
Вашата улога: помошник за контрола на анонимизација. Отстранете го вашето име, TR ID, број на протокол/испит, датум на раѓање, информации за контакт и институција од текстот подолу; заменете го со „[отстрането]“. Оставете само клинички неопходни анонимни информации (возрасна група, пол, релевантна историја). Исто така, потсетете ме: ако сакам да споделам слика, исто така треба да ги исчистам заглавието DICOM и текстот вградени во сликата и да ги земам во предвид податоците за лицето во сликите на главата/мозокот. Текст: [залепи текст]
Моќното известување извлекува ID, потсетува на вградени/заглавија и податоци за лице.
Шаблони за копирање на брзините
шаблон за КОНТРОЛА ЗА АНОНИМИЗАЦИЈА Вашата улога: помошник за анонимизација. Извадете име, TR ID број, број на протокол/испит, датум на раѓање, информации за контакт и институција од текстот; Внесете „[отстрането]“. Оставете ги само клинички потребните анонимни информации. Потсети ме дека ако сакам да споделам слика, треба да избришам заглавие + вградување + податоци за лице. Текст: [напиши]
ОБРАБОК ЗА ПРАШАЊЕ ЗА ВАЛИДИЈА НА МОДЕЛ Ваша улога: ПОМОШНИК. Ќе проценам модел на вештачка интелигенција. Создадете ги прашањата што треба да ги поставам: која популација/број на случаи/метрика, опсег на регулаторно одобрување, дали е извршена локална валидација, ризик од префрлање на дистрибуцијата, следење на верзии. Одлуката е во рацете на институцијата. Информации за моделот: [лето]
ШАБЕЛО ЗА ПРОВЕРУВАЊЕ НА ЕТИКА/ПРИСТАПУВАЊЕ ќе ви го даде контекстот на користење на модел со вештачка интелигенција. Оценете за алгоритамска пристрасност (која може да работи лошо во групи), согласност/транспарентност од пациентот, одговорност и правичен пристап; Напишете го прашањето што треба да го постави институцијата под секој наслов. Контекст: [напиши]
ОБРАБОТ ЗА ПРИВАТНОСТ ЗА ТЕКОТ НА ПОДАТОЦИ ќе ви даде сценарио за испраќање податоци до алатка за вештачка интелигенција. Направете листа за проверка која прашува каде одат податоците, дали се складирани, дали се користат во обуката за модели и нивниот статус на DPA/правна основа. Потсетете не за обврската за анонимизација за надворешни возила. Сценарио: [напиши]
Вообичаени грешки
- Само исчистете го заглавието и заборавете на вградениот текст. Сликата сè уште носи идентитет.
- Игнорирање на податоците за лицето. Едно лице може да се препознае од 3D слики на глава/мозок.
- Замена на регулаторно одобрение за локална валидација. Согласноста укажува на опсегот; Тоа не гарантира перформанси на вашите сопствени податоци.
- Не прашувам за алгоритамска пристрасност. Моделот може да работи лошо за некои групи, што ја зголемува нееднаквоста.
- Пренесување на одговорноста на вештачката интелигенција. Потписот е кај радиологот; Одговорноста за грешка е кај луѓето.
Совет: Пред да испратите какви било податоци надвор од институцијата, поставете едно прашање: „Доколку овие податоци протекоа, дали може да се идентификува пациент? Ако одговорот е „да“ или „не сум сигурен“, податоците сè уште не се анонимни - не испраќајте ги.
Сумирано
Радиолошките слики и извештаи се посебни лични податоци и бараат највисока заштита во опсегот на KVKK/GDPR. Податоците на DICOM го носат идентитетот во два слоја - заглавието и текстот вградени во сликата - и ниеден податок не го напушта претпријатието без и двата да се бришат, како и податоците за лицето доколку е потребно. За да му верувате на модел, се оценуваат неговата валидација, нивото на докази, регулаторното одобрување и локалната валидација, особено во вашиот сопствен уред/популација; Регулаторното одобрение не е замена за локалната верификација. Во етичката димензија се доведуваат во прашање алгоритамската пристрасност, согласноста на пациентот, транспарентноста, правичниот пристап и одговорноста. Во сите случаи, потписот, одговорноста и конечната одлука му припаѓаат на радиологот.
Задача за апликација
Направете текст за факти и сценарио за споделување слики. Анонимизирајте го текстот со шаблонот „Проверка на анонимизација“ и чекори за проверка на насловот на списокот/вградениот текст/податоци за лице. Потоа проценете го моделот што го користите (или размислувате) со шаблонот „Прашање за валидација на моделот“: популација, опсег на валидација, статус на локална валидација. Конечно, со шаблонот „Етика/контрола на пристрасност“, запишете во кои групи овој модел може да работи лошо и прашања за транспарентност/одговорност.
листа за проверка
- [ ] Ги избришав полињата за ID во заглавието DICOM.
- [ ] Го маскирав/отсеков изгорениот текст на сликата.
- [ ] Го проценив ризикот од податоците за лицето во сликите на главата/мозокот.
- [ ] Го анонимизирав текстот на извештајот/приказната (име, лична карта, протокол, датум на раѓање).
- [ ] Го преиспитав протокот на податоци и ДПА/правната основа за надворешната алатка.
- [ ] Ја проверив локалната валидација и опсегот на валидација на моделот.
- [ ] Ги оценив алгоритамската пристрасност, транспарентноста и одговорноста; Јас го имам потписот.