Keuntungan:
- Keupayaan untuk menentukan sebab data pesakit adalah data peribadi yang sensitif dan cara melindunginya sebelum ia diberikan kepada alat kecerdasan buatan
- Keupayaan untuk tidak mengenal pasti konteks, memilih alat yang tidak menggunakan data dalam pendidikan, dan mengamalkan tabiat mematuhi dasar institusi.
- Keupayaan untuk memahami akibat profesional, undang-undang dan etika pelanggaran privasi dan keutamaan melindungi kepercayaan pesakit.
Seorang pesakit mempercayai anda dengan maklumat peribadinya: penyakitnya, masa lalunya, ketakutannya, kadang-kadang rahsia yang dia tidak beritahu sesiapa pun. Amanah ini adalah asas kepada profesion kejururawatan, dan kerahsiaan pesakit adalah rakan sejawat yang konkrit bagi amanah ini. Walaupun alat AI berkuasa, ia juga menimbulkan risiko privasi: menaip maklumat pesakit secara sembarangan ke dalam alat AI bermakna membiarkan maklumat itu keluar tanpa mengetahui ke mana ia pergi, sama ada ia disimpan dan sama ada ia digunakan dalam pendidikan. Dalam unit ini, anda akan belajar cara melindungi data pesakit pada zaman kecerdasan buatan. Prinsip asasnya ialah: Data pesakit ialah data peribadi khas; Ia tidak diberikan kepada mana-mana alat kecerdasan buatan tanpa dinyahcam dan menggunakan alat yang selamat dan diluluskan.
Mengapa data pesakit dilindungi secara peribadi
Data peribadi ialah sebarang maklumat yang mengenal pasti seseorang (nama, nombor ID, alamat). Data peribadi khas adalah kategori yang lebih sensitif; Data kesihatan diutamakan di antara ini. Apabila penyakit seseorang didedahkan, pekerjaan, insurans, perhubungan sosial dan maruah mungkin menderita. Itulah sebabnya undang-undang (KVKK - Undang-undang Perlindungan Data Peribadi di negara kita; GDPR di Eropah) melindungi data kesihatan pada tahap tertinggi dan mengikat pemprosesannya kepada peraturan yang ketat. Institusi penjagaan kesihatan juga mempunyai dasar privasi dan peraturan hak pesakit mereka sendiri.
Apabila anda menaip maklumat pesakit ke dalam alat AI, maklumat itu sering pergi ke pelayan di luar institusi anda. Anda tidak mempunyai kawalan ke atas cara alat itu menyimpan data, siapa yang mengaksesnya dan sama ada alat itu menggunakannya dalam latihan. Oleh itu, data mesti dilindungi sebelum sampai ke kenderaan.
Awas: "Saya hanya meminta bantuan" tidak membenarkan pencerobohan privasi. Menulis nama pesakit, ID, diagnosis jarang atau butiran mengenal pasti ke dalam alat kecerdasan buatan yang tidak diluluskan; Ia adalah pelanggaran profesional, etika dan undang-undang. Kerosakan tidak boleh dibuat semula.
Bagaimana untuk nyah kenal pasti
Penyahkenalan (anonimation) adalah untuk mengalih keluar daripada teks semua maklumat yang boleh mengenal pasti seseorang atau menggantikannya dengan tag. Pengecam seperti nama, nama keluarga, TR ID, nombor fail, tarikh lahir, alamat, telefon, tarikh, kombinasi diagnosis yang jarang berlaku dan profesion dibersihkan. Awas: kadangkala maklumat yang kelihatan tidak berbahaya secara individu boleh membuatkan seseorang dikenali apabila disatukan (mis. "satu-satunya pesakit dialisis di kampung"). Dalam nyahpengenalan, hanya memadamkan nama tidak mencukupi; Adalah perlu untuk memastikan bahawa konteks tidak memberikan orang itu.
Bekerja dengan teks yang tidak dikenal pasti sudah memadai untuk kebanyakan tugas: draf pelan penjagaan, susun atur SBAR, bahan latihan, ringkasan prosedur semuanya boleh dihasilkan tanpa pengenalan sebenar. Identiti hampir tidak pernah penting untuk kualiti tugas.
tiga kes mini
Kes 1 — Penggunaan selamat. Seorang jururawat ingin mendapatkan bantuan daripada kecerdasan buatan untuk mengatur kes yang kompleks. Dia mengalih keluar nama, ID, tarikh dan butiran pengenalan daripada teks dan menulisnya dalam ungkapan umum seperti "pesakit berusia 68 tahun". Ia menggunakan alat yang diluluskan oleh institusi yang tidak menggunakan data dalam pendidikan. Dia menyelesaikan tugas dengan selamat. ID tidak pernah diperlukan.
Kes 2 — Pengecam rahsia. Seorang jururawat memadamkan nama itu tetapi menulis, "Satu-satunya kembar di hospital kami hamil." Ungkapan ini membuatkan orang itu dikenali. Seorang rakan sekerja memberi amaran; Jururawat membuat generalisasi konteks. Pengajaran: memadam nama tidak mencukupi; Konteksnya juga tidak sepatutnya memberikan orang itu.
Kes 3 — Kenderaan yang tidak diluluskan. Seorang jururawat menampal ringkasan pesakit secara rawak ke dalam apl percuma sambil bergegas. Dia kemudian mengetahui bahawa alat ini menyimpan data dan menggunakannya dalam latihan. Kebimbangan privasi yang serius timbul. Pelajaran: semak dasar privasi alat dan kelulusan agensi sebelum digunakan.
Langkah demi langkah: menggunakan kecerdasan buatan sambil melindungi privasi
- Adakah ia benar-benar perlu? Apakah data yang mencukupi minimum untuk tugas itu?
- Kenal pasti. Kosongkan nama, ID, tarikh, alamat dan butiran pengenalan.
- Semak konteks. Adakah maklumat selebihnya memberikan orang itu?
- Pilih alat. Institusi diluluskan, tidak menggunakan data dalam pendidikan, mematuhi dasar.
- Bekerja dengan data minimum. Jangan beri terlalu banyak.
- Apabila ragu-ragu, jangan kongsi. Jika anda tidak pasti, rujuk kepada orang yang bertanggungjawab.
Empat templat yang boleh disalin
Tugas: Nyahkenal pasti teks pesakit di bawah. Gantikan nama, nama keluarga, nombor ID TR anda, nombor fail, tarikh lahir, alamat, telefon, tarikh dan butiran jarang yang mungkin membuatkan orang itu dikenali dengan [TAGET]; mengekalkan kepentingan klinikal. Teks: [...]
Tugasan: Dalam teks tanpa nama di bawah, tandakan maklumat yang mungkin kelihatan tidak berbahaya secara individu tetapi boleh menjadikan orang itu dikenali apabila disatukan dan cadangkan cara untuk menggeneralisasikannya.Teks: [...]
Tugas: Sediakan senarai semak untuk menilai alat kecerdasan buatan dari segi data pesakit: adakah ia menggunakan data dalam pendidikan, di mana ia menyimpannya, adakah terdapat kelulusan institusi, apakah dasar pemadaman data? Biarlah keputusan itu milik saya.
Tugas: Atur kes (tanpa nama) ini untuk jururawat. Jangan tambah atau minta sebarang bukti kelayakan sepanjang tugasan; Menggunakan pengecam selain umur/jantina umum. Kes: [...]
Gesaan lemah / Gesaan kuat
Lemah: "Ahmet Yılmaz, 62, TC 123..., dimasukkan ke hospital dengan diagnosis berikut, tulis pelan penjagaan untuknya."
Kuat: "Hasilkan draf pelan penjagaan untuk pesakit lelaki berumur 62 tahun (tanpa nama) dengan maklumat klinikal am yang saya berikan. Sepanjang tugasan, saya tidak akan meminta dan anda tidak akan menambah, nama, ID, tarikh atau sebarang maklumat lain yang boleh dikenal pasti secara peribadi. Bekerja hanya dengan konteks klinikal umum."
Dalam gesaan yang kuat, pengenalan tidak pernah diberikan; kualiti tidak mengalami ini.
Kesilapan biasa
- Memadamkan nama dan melupakan konteks. Butiran yang boleh dikenali boleh memberikan seseorang itu.
- Menggunakan alat yang tidak diluluskan/percuma tanpa berfikir. Dasar privasi dan kelulusan institusi disemak terlebih dahulu.
- Berfikir bahawa identiti adalah "perlu untuk kualiti". Hampir tiada misi memerlukan ID sebenar.
- Tampal dengan tergesa-gesa. Sebaik sahaja keluar, data tidak boleh diambil semula.
- Berkongsi dalam keraguan. Jika anda tidak pasti, jangan berikannya; Rujuk orang yang bertanggungjawab.
Jika kebocoran berlaku: had kerosakan
Jururawat yang paling berhati-hati pun boleh melakukan kesilapan: seperti menampal teks yang mengandungi pengenalan secara tidak sengaja ke dalam kenderaan yang tidak diluluskan. Dalam keadaan sedemikian, panik atau bersembunyi adalah tindak balas yang paling teruk. Pendekatan yang betul ialah pengehadan kerosakan: segera laporkan insiden itu kepada jururawat caj dan unit keselamatan/pematuhan data agensi anda, ambil perhatian data mana yang pergi ke mana dan ikut prosedur pelaporan insiden agensi. Banyak alat mempunyai pilihan untuk memadamkan perbualan lalu atau mematikan penggunaan data; ini harus digunakan. Pelaporan awal dan jujur kedua-duanya melindungi pesakit dan memastikan anda berada di pihak yang betul secara profesional. Menyembunyikan insiden privasi adalah pelanggaran yang lebih besar daripada insiden itu sendiri.
Kebanyakan institusi mempunyai proses pelaporan dan penilaian untuk kejadian sedemikian; Matlamatnya bukan untuk menyalahkan, tetapi untuk mengelakkan berulang. Jadi jangan ragu untuk melaporkannya.
Ketelusan dan persetujuan kepada pesakit
Privasi bukan hanya tentang menyembunyikan data, ia adalah tentang bersikap jujur dengan pesakit. Seseorang pesakit mempunyai hak untuk mengetahui bagaimana maklumat mereka digunakan. Apabila menggunakan alatan AI dalam proses penjagaan, ketelusan dalam rangka dasar institusi dan hak pesakit adalah penting: urus niaga yang berkaitan dengan data pesakit mesti dijalankan mengikut proses pendedahan dan persetujuan institusi. Sebagai seorang jururawat, kompas yang baik semasa memproses data pesakit dalam alat ialah bertanya "adakah ini konsisten dengan kepercayaan yang diberikan pesakit kepada saya?" Jika anda berasa tidak selesa menerangkan prosedur dengan jelas kepada pesakit, anda mungkin tidak sepatutnya melakukannya. Privasi ialah hubungan kepercayaan sebelum menjadi peraturan teknikal; Teknologi harus mengukuhkan hubungan ini, bukan melemahkannya.
Petua: Cara praktikal untuk menjadikan nyahpengenalpastian sebagai tabiat adalah dengan bertanya kepada diri sendiri soalan yang berterusan sebelum bekerja dengan data pesakit: "Jika teks ini secara tidak sengaja keluar dari institusi, bolehkah seseorang memberitahu siapa orang ini?" Walaupun jawapannya adalah "mungkin," umumkan konteksnya dengan lebih lanjut. Satu lagi peraturan praktikal adalah untuk sentiasa mengehadkan jumlah data: berikan AI maklumat minimum yang diperlukan untuk tugas itu, jangan tambah butiran tambahan "untuk berjaga-jaga." Sebarang maklumat tambahan yang diberikan adalah tidak perlu dan berisiko. Privasi bukanlah pemeriksaan sekali sahaja, tetapi disiplin yang digunakan dengan setiap ketukan kekunci; Disiplin ini menjadi refleks dari masa ke masa dan melindungi anda dan pesakit.
Secara ringkasnya
Data pesakit adalah data peribadi khas dan merupakan asas kepercayaan pesakit. Alat kecerdasan buatan membawa risiko mengalihkan data ini ke luar organisasi. Nyahkenal pasti data sebelum setiap penggunaan, pastikan konteks tidak memberikan individu itu, pilih alat yang diluluskan institusi yang tidak menggunakan data dalam latihan dan berfungsi dengan hanya data yang minimum. Pencerobohan privasi tidak dapat dipulihkan; Jangan berkongsi keraguan. Pengenalan tidak diperlukan untuk hampir semua tugas.
Tugasan permohonan
Dapatkan helaian fakta sebenar daripada perkhidmatan anda sendiri. Nyahkenal pasti dia: nama bersih, ID, tarikh, alamat dan butiran yang boleh dikenali, kemudian semak sama ada konteks masih memberikan orang itu. Kemudian, buka dasar privasi alat kecerdasan buatan yang anda gunakan dan perhatikan sama ada alat tersebut menggunakan data dalam pendidikan dan sama ada alat tersebut mempunyai kelulusan institusi. Jika anda mendapati risiko privasi, tuliskannya.
senarai semak
- [ ] Saya menetapkan data minimum untuk tugas itu.
- [ ] Saya mengosongkan nama, ID, tarikh, alamat dan pengecam.
- [ ] Saya telah menyemak bahawa konteks yang selebihnya tidak memberikan orang itu.
- [ ] Saya memilih alat yang diluluskan oleh institusi yang tidak digunakan dalam latihan.
- [ ] Saya bekerja dengan hanya data minimum yang diperlukan.
- [ ] Saya menyemak dasar privasi alat tersebut.
- [ ] Apabila saya ragu-ragu, saya tidak berkongsi dan berunding dengan orang yang bertanggungjawab.