Keuntungan:
- Keupayaan untuk menentukan data pesakit sebagai data peribadi dan kewajipan khas di bawah KVKK
- Keupayaan untuk melaksanakan anonimasi konteks, pengecilan data dan pemilihan alat yang mematuhi dasar korporat
- Memahami akibat klinikal, undang-undang dan etika daripada pelanggaran data dan rantaian pencegahan
Data pesakit ialah maklumat paling intim seseorang: penyakit mereka, ciri genetik, kesihatan mental, ketagihan, kesihatan seksual. Di Türkiye, Undang-undang Perlindungan Data Peribadi No. 6698 (KVKK) mentakrifkan data kesihatan sebagai data peribadi khas; Dalam erti kata lain, ia menyediakan tahap perlindungan tertinggi. Memasukkan data ini secara sembarangan ke dalam alat kecerdasan buatan (AI) menjejaskan privasi pesakit dan liabiliti undang-undang. Dalam unit ini, anda akan belajar cara melindungi data pesakit apabila bekerja dengan AI, penanoamaan dan pengecilan data, memilih alatan yang selamat dan akibat daripada pelanggaran. Prinsip asas: Jangan berikan data yang tidak perlu; anonimkan apa yang anda berikan; gunakan alat yang sesuai dan mematuhi dasar sahaja.
Mengapa data kesihatan peribadi?
Menurut KVKK, data peribadi ialah sebarang maklumat yang dimiliki oleh orang asli yang dikenal pasti atau boleh dikenal pasti. Data kesihatan, sebaliknya, adalah "sifat istimewa": pemprosesannya, sebagai peraturan, memerlukan persetujuan yang jelas atau keadaan khas yang dibenarkan oleh undang-undang, dan langkah keselamatan yang lebih ketat adalah penting. Walaupun pesakit tidak mempunyai nama; Apabila penyakit yang jarang berlaku, sejarah tertentu, institusi dan umur bergabung, seseorang boleh ditakrifkan semula. Itulah sebabnya idea "Saya memadamkan nama, saya selamat" adalah mengelirukan; Pengecam tidak langsung juga menimbulkan risiko.
Perhatian: Memasukkan data kesihatan ke dalam perkhidmatan AI yang menggunakan data untuk latihan model atau pelayan/dasarnya tidak jelas adalah melanggar KVKK jika tiada persetujuan yang jelas dan langkah berjaga-jaga yang sewajarnya. Tanggungjawab terletak pada doktor dan institusi; "Saya tidak tahu" bukan pertahanan.
Tiga pertahanan asas
1. Pengurangan data. Hanya berikan maklumat yang benar-benar diperlukan untuk tugas itu. Tidak perlu nama, ID atau alamat pesakit untuk memudahkan bahasa epikrisis.
2. Anonimisasi. Alih keluar atau gantikan pengecam langsung (nama, nama keluarga, ID, nombor fail, telefon, alamat, tarikh) dengan label. Juga umumkan pengecam tidak langsung (diagnosis jarang + institusi + tarikh).
3. Pemilihan kenderaan yang selamat. Pilih alat berkontrak, korporat dan patuh KVKK yang menjamin bahawa data tidak akan digunakan dalam pendidikan. Baca dasar privasi: di manakah data disimpan, berapa lama ia disimpan, siapa yang mempunyai akses?
Langkah demi langkah: Penggunaan AI yang mematuhi KVKK
- Adakah data ini perlu? Jangan sesekali memberi apa yang tidak perlu.
- anonimkan. Jelas pengecam langsung dan tidak langsung.
- Sahkan alat. Dasar, pengekalan, penggunaan pendidikan, lokasi pelayan.
- Adakah persetujuan yang jelas diperlukan? Jika perlu, jalankan proses mengikut prosedur institusi.
- Kekalkan output juga. Adakah terdapat kebocoran identiti dalam output AI?
- Jejak dan politik. Mematuhi rekod pemprosesan data korporat.
tiga kes mini
Kes 1 — Dihalang pelanggaran. Seorang pembantu ingin meringkaskan satu kes yang menarik dengan AI untuk pembentangan. Pertama, ia mengekstrak nama, ID, nombor fail dan tarikh daripada teks, menyamaratakan institusi dan memilih alat yang diluluskan oleh institusi yang tidak menggunakan data dalam pendidikan. Oleh itu, kedua-duanya mempercepatkan kerjanya dan melindungi privasi.
Kes 2 — Risiko pengenalan tidak langsung. Seorang doktor memasukkan frasa "Satu-satunya pesakit onkologi pediatrik di daerah X" ke dalam AI. Tiada nama, tetapi perihalan ini menunjuk kepada seorang anak tunggal; boleh ditakrifkan semula. Menurut rakan sekerjanya, doktor membuat generalisasi pernyataan ("kes onkologi pediatrik") dan menghapuskan risiko.
Kes 3 — Alat yang salah. Sebuah klinik menggunakan alat percuma untuk membalas mesej pesakit tanpa membaca dasar privasi; Ia kemudian menjadi jelas bahawa alat itu menggunakan data dalam latihan. Institusi itu menghentikan kenderaan, menyemak proses dan beralih kepada penyelesaian yang mematuhi KVKK. Membaca dasar terlebih dahulu akan menghalang risiko ini pada mulanya.
Jadual jenis pengecam
Genre
contoh
untuk dilakukan
Pengecam langsung
Nama, ID TR, nombor fail, telefon
Alih keluar/tag
separuh deskriptif
Tarikh lahir penuh, alamat penuh
Mengitlak (tahun, daerah)
pengecam tidak langsung
Diagnosis + institusi + sejarah jarang berlaku
Umumkan konteks
teks percuma
Nama/peristiwa disebut dalam nota
Imbas dan bersihkan
Kebocoran output
Identiti dalam teks yang dijana AI
Semak juga output
Empat templat yang boleh disalin
Tugas: Cari dan kategorikan SEMUA pengecam peribadi/kesihatan dalam teks di bawah: langsung (nama, ID, nombor fail, telefon, alamat), separuh (tarikh penuh), tidak langsung (diagnosis jarang + institusi + tarikh). Gantikan setiap satu dengan [LABEL], mengekalkan kepentingan klinikal.Teks: [...]
Tugas: Menilai risiko PENGENALAN MERAH ringkasan kes ini. Apakah gabungan maklumat yang boleh menunjuk kepada orang itu? Apakah kenyataan yang harus saya umumkan untuk mengurangkan risiko? Ringkasan: [...]
Tugas: Hasilkan senarai semak untuk saya menilai dasar privasi alat AI: adakah data yang digunakan dalam latihan, berapa banyak yang disimpan, di mana pelayan, siapa yang mengaksesnya, adakah terdapat perjanjian KVKK/pemproses data?
Tugas: Imbas dan tandakan OUTPUT AI berikut untuk sebarang maklumat mengenal pasti atau mengenal pasti semula yang mungkin terkandung di dalamnya. Jika terdapat kebocoran, cadangkan versi yang telah dibersihkan. Keluaran: [...]
Gesaan lemah / Gesaan kuat
Lemah: "Ahmet Yılmaz, TC 123..., fail 456, Hospital X, ringkaskan epikrisis pesakit yang dimasukkan ke hospital dengan diagnosis berikut."
Güçlü: "Ringkaskan ringkasan kes tanpa nama: Lelaki berumur 60-an, dimasukkan ke wad perubatan dalaman, [DIAGNOSIS], [RAWATAN]. Nama, ID, nombor fail, institusi dan tarikh penuh tidak diberikan. Jangan tunjukkan sebarang maklumat pengenalan dalam cetakan."
Dalam gesaan yang berkuasa, data diminimumkan dan tanpa nama; kedua-dua privasi dan output dilindungi.
Kesilapan biasa
- Berfikir "Saya memadamkan nama itu, saya selamat". Pengecam tidak langsung juga menerangkan.
- Memberi data yang tidak diperlukan. Maklumat yang tidak diperlukan untuk tugas itu tidak boleh dimasukkan sama sekali.
- Tidak membaca dasar. Perlu diketahui sama ada alat tersebut menggunakan data dalam latihan.
- Tidak mengawal output. Identiti juga boleh dibocorkan dalam output AI.
- Melangkaui persetujuan. Persetujuan dan prosedur yang jelas tidak boleh diabaikan apabila perlu.
Jika dilanggar: pautan seterusnya dalam rantaian
Anonimisasi dan pemilihan alat adalah pertahanan awalan; Tetapi jika terdapat pelanggaran, ia harus diketahui terlebih dahulu apa yang perlu dilakukan. KVKK mengenakan kewajipan tertentu ke atas pengawal data: untuk menilai pelanggaran tanpa berlengah-lengah jika pelanggaran diperhatikan, untuk memaklumkan kepada orang yang berkaitan dan, apabila perlu, Lembaga Perlindungan Data Peribadi, untuk mengehadkan kerosakan. Dalam persekitaran klinikal, ini memerlukan institusi, bukan seorang doktor, untuk mengendalikan proses sebagai pengawal data.
Perkara penting dalam amalan adalah untuk tidak menyembunyikan atau meminimumkan pelanggaran. Sikap "ia tidak mempunyai nama pula" atau "tiada sesiapa perasan" seterusnya menjejaskan kedua-dua risiko undang-undang dan kepercayaan pesakit. Refleks yang betul adalah dengan segera melaporkan kejadian itu kepada unit institusi yang berkaitan (pengawal/pematuhan data), mendokumentasikan data yang mana pergi, dan membuat pembetulan untuk mengelakkan berulang. Pelanggaran juga merupakan peluang pembelajaran yang mendedahkan pautan lemah sistem: apakah langkah yang dilangkau, apakah peraturan yang hilang?
Awas: Menyembunyikan pelanggaran privasi mungkin mempunyai akibat yang lebih teruk daripada pelanggaran itu sendiri. Pelaporan yang telus dan pemulihan pantas adalah cara yang betul untuk dilakukan, secara sah dan beretika.
Secara ringkasnya
Data pesakit adalah data peribadi khas di bawah KVKK dan memerlukan perlindungan tertinggi. Guna tiga pertahanan apabila bekerja dengan AI: jangan berikan data yang tidak diperlukan (penghematan), awanamakan apa yang anda berikan (pengecam langsung dan tidak langsung), pilih hanya alat yang mematuhi dasar dan tidak menggunakan data untuk latihan. Periksa juga output untuk kebocoran. Akibat pelanggaran adalah teruk dari segi klinikal, undang-undang dan etika; Tanggungjawab terletak pada doktor dan institusi.
Tugasan permohonan
Nilaikan dasar privasi alat AI yang anda gunakan sendiri dengan senarai semak di atas: adakah data digunakan dalam latihan, berapa banyak yang disimpan, di manakah pelayan? Kemudian anonimkan teks kes sebenar (dengan tangan anda sendiri); Cari dan kosongkan setiap pengecam langsung, separa dan tidak langsung. Pertimbangkan sama ada masih terdapat risiko pengecaman semula.
senarai semak
- [ ] Saya tidak pernah memberikan data yang tidak diperlukan untuk tugas itu.
- [ ] Saya mengalih keluar/menteg pengecam langsung.
- [ ] Saya mengecam pengecam separa dan tidak langsung.
- [ ] Saya telah menilai risiko pengecaman semula.
- [ ] Saya telah membaca dasar privasi alat dan mengesahkan kesesuaiannya.
- [ ] Saya menyemak keluaran AI untuk kebocoran identiti.
- [ ] Saya memohon persetujuan yang jelas dan prosedur institusi jika perlu.