Zyski:
- Możliwość zdefiniowania danych pacjenta jako szczególnych danych osobowych i obowiązków wynikających z KVKK
- Możliwość wdrożenia anonimizacji kontekstu, minimalizacji danych i wyboru narzędzi zgodnych z firmą/zasadami
- Zrozumienie klinicznych, prawnych i etycznych konsekwencji naruszenia danych oraz łańcucha zapobiegania
Dane pacjenta to najbardziej intymne informacje o danej osobie: o jej chorobach, cechach genetycznych, zdrowiu psychicznym, uzależnieniach, zdrowiu seksualnym. W Turcji ustawa o ochronie danych osobowych nr 6698 (KVKK) definiuje dane dotyczące zdrowia jako szczególne dane osobowe; Innymi słowy, zapewnia najwyższy poziom ochrony. Nieostrożne wprowadzanie tych danych do narzędzia sztucznej inteligencji (AI) zagraża zarówno prywatności pacjentów, jak i odpowiedzialności prawnej. W tym module dowiesz się, jak chronić dane pacjentów podczas pracy z AI, anonimizacji i minimalizacji danych, wyborze bezpiecznych narzędzi oraz konsekwencjach naruszenia. Podstawowa zasada: Nie podawaj niepotrzebnych danych; anonimizować to, co dajesz; używaj wyłącznie odpowiednich, zgodnych z polityką narzędzi.
Dlaczego dane dotyczące zdrowia są prywatne?
Według KVKK danymi osobowymi są wszelkie informacje należące do zidentyfikowanej lub możliwej do zidentyfikowania osoby fizycznej. Dane dotyczące zdrowia natomiast mają „szczególny charakter”: ich przetwarzanie co do zasady wymaga wyraźnej zgody lub szczególnych okoliczności dozwolonych przez prawo i niezbędne są bardziej rygorystyczne środki bezpieczeństwa. Nawet jeśli pacjent nie ma imienia; Kiedy rzadka choroba, konkretna historia, instytucja i wiek łączą się, można na nowo zdefiniować osobę. Dlatego teza „Usunąłem nazwę, jestem bezpieczny” jest myląca; Identyfikatory pośrednie również stwarzają ryzyko.
Uwaga: wprowadzanie danych zdrowotnych do usługi AI, która wykorzystuje dane do szkolenia modeli lub której serwery/zasady są niejasne, stanowi naruszenie KVKK, jeśli nie ma wyraźnej zgody i odpowiednich środków ostrożności. Odpowiedzialność spoczywa na lekarzu i instytucji; „Nie wiedziałem” nie jest obroną.
Trzy podstawowe mechanizmy obronne
1. Minimalizacja danych. Podaj tylko te informacje, które są naprawdę niezbędne do wykonania zadania. Nie ma potrzeby podawania imienia i nazwiska pacjenta, dowodu osobistego ani adresu, aby uprościć język epikryzysu.
2. Anonimizacja. Usuń lub zastąp identyfikatory bezpośrednie (imię, nazwisko, dowód osobisty, numer akt, telefon, adres, data) etykietą. Uogólniaj także identyfikatory pośrednie (rzadka diagnoza + instytucja + data).
3. Bezpieczny wybór pojazdu. Wybierz narzędzia kontraktowe, korporacyjne i zgodne z KVKK, które gwarantują, że dane nie zostaną wykorzystane w edukacji. Zapoznaj się z polityką prywatności: gdzie przechowywane są dane, jak długo, kto ma do nich dostęp?
Krok po kroku: wykorzystanie sztucznej inteligencji zgodne z KVKK
- Czy te dane są potrzebne? Nigdy nie dawaj tego, co nie jest konieczne.
- Anonimizuj. Jasne identyfikatory bezpośrednie i pośrednie.
- Sprawdź narzędzie. Polityka, przechowywanie, użytek edukacyjny, lokalizacja serwera.
- Czy wymagana jest wyraźna zgoda? W razie potrzeby przeprowadzić proces zgodnie z procedurą instytucji.
- Zachowaj także dane wyjściowe. Czy w wynikach AI występuje wyciek tożsamości?
- Ślad i polityka. Przestrzegaj korporacyjnego rejestru przetwarzania danych.
trzy mini etui
Przypadek 1 – Naruszeniu, któremu udało się zapobiec. Asystent chce podsumować ciekawy przypadek z wykorzystaniem sztucznej inteligencji do prezentacji. Najpierw wyodrębnia z tekstu nazwę, identyfikator, numer akt i datę, uogólnia instytucję i wybiera zatwierdzone przez instytucję narzędzie, które nie wykorzystuje danych w edukacji. W ten sposób zarówno przyspiesza jego pracę, jak i chroni prywatność.
Przypadek 2 – Ryzyko pośredniej identyfikacji. Lekarz wprowadza do AI frazę „Jedyny pacjent onkologiczny dziecięcy w hrabstwie X”. Nie ma imienia, ale ten opis wskazuje na jedno dziecko; można na nowo zdefiniować. Według kolegi lekarz uogólnia stwierdzenie („przypadek onkologii dziecięcej”) i eliminuje ryzyko.
Przypadek 3 — Złe narzędzie. Przychodnia korzysta z bezpłatnego narzędzia, aby odpowiadać na wiadomości pacjentów bez konieczności zapoznawania się z polityką prywatności; Później stało się jasne, że narzędzie wykorzystywało dane podczas szkolenia. Instytucja zatrzymuje pojazd, dokonuje przeglądu procesu i przechodzi do rozwiązania zgodnego z KVKK. Zapoznanie się z polityką z wyprzedzeniem przede wszystkim zapobiegłoby temu ryzyku.
Tabela typów identyfikatorów
Gatunek
przykład
do zrobienia
Bezpośredni identyfikator
Imię i nazwisko, identyfikator TR, numer pliku, telefon
Usuń/oznacz
półopisowy
Pełna data urodzenia, pełny adres
Uogólnij (rok, dzielnica)
identyfikator pośredni
Rzadka diagnoza + instytucja + historia
Uogólnij kontekst
dowolny tekst
Nazwa/wydarzenie wymienione w notatce
Zeskanuj i wyczyść
Wyciek wyjściowy
Tożsamość w tekście wygenerowanym przez sztuczną inteligencję
Sprawdź także dane wyjściowe
Cztery szablony do kopiowania
Zadanie: Znajdź i kategoryzuj WSZYSTKIE identyfikatory osobiste/zdrowia w poniższym tekście: bezpośrednie (imię i nazwisko, dowód osobisty, numer akt, telefon, adres), pół (pełna data), pośrednie (rzadka diagnoza + instytucja + data). Zastąp każdy znak [LABEL], zachowując znaczenie kliniczne.Tekst: [...]
Zadanie: Oceń ryzyko CZERWONEJ IDENTYFIKACJI tego podsumowania przypadku. Jaka kombinacja informacji może wskazywać na daną osobę? Jakie stwierdzenia powinienem uogólniać, aby zmniejszyć ryzyko? Podsumowanie: [...]
Zadanie: Stwórz dla mnie listę kontrolną, aby ocenić politykę prywatności narzędzia AI: czy dane są wykorzystywane w szkoleniach, ile jest przechowywanych, gdzie jest serwer, kto ma do niego dostęp, czy istnieje umowa KVKK/przetwarzanie danych?
Zadanie: Zeskanuj i oznacz następujący WYJŚCIE AI pod kątem wszelkich informacji identyfikujących lub umożliwiających ponowną identyfikację, jakie może zawierać. W przypadku wycieków zaproponuj oczyszczoną wersję. Wyjście: [...]
Słaba zachęta/silna zachęta
Słabe: „Ahmet Yılmaz, TC 123…, akta 456, X Hospital, podsumowuje epikryzys pacjenta hospitalizowanego z następującą diagnozą.”
Güçlü: „Uprość anonimowe streszczenie przypadku: mężczyzna po 60. roku życia, hospitalizacja na oddziale chorób wewnętrznych, [DIAGNOZA], [LECZENIE]. Nie podaje się imienia i nazwiska, dowodu osobistego, numeru akt, instytucji ani pełnej daty. Nie należy przedstawiać na wydruku żadnych danych umożliwiających identyfikację.”
W potężnym monicie dane są minimalizowane i anonimowe; zarówno prywatność, jak i dane wyjściowe są chronione.
Typowe błędy
- Myśląc: „Usunąłem to imię, jestem bezpieczny”. Identyfikatory pośrednie również opisują.
- Podawanie zbędnych danych. Nie należy w ogóle wprowadzać informacji, które nie są wymagane do wykonania zadania.
- Nie czytam polityki. Należy wiedzieć, czy narzędzie wykorzystuje dane w treningu.
- Brak kontroli wyjścia. Tożsamość może również wyciekać do wyników AI.
- Ominięcie zgody. W razie potrzeby nie należy zaniedbywać wyraźnej zgody i procedury.
W przypadku naruszenia: kolejne ogniwa w łańcuchu
Anonimizacja i wybór narzędzi to mechanizmy obronne o charakterze wywłaszczającym; Jeśli jednak dojdzie do naruszenia, należy z góry wiedzieć, co robić. KVKK nakłada na administratora danych pewne obowiązki: niezwłoczną ocenę naruszenia w przypadku zauważenia naruszenia, poinformowanie odpowiednich osób oraz, w razie potrzeby, Rady Ochrony Danych Osobowych, aby ograniczyć szkody. W środowisku klinicznym wymaga to od instytucji, a nie pojedynczego lekarza, obsługi procesu jako administratora danych.
W praktyce ważne jest, aby nie ukrywać ani minimalizować naruszenia. Postawa „to i tak nie miało nazwy” lub „nikt tego nie zauważył” jeszcze bardziej podważa zarówno ryzyko prawne, jak i zaufanie pacjentów. Prawidłowym odruchem jest natychmiastowe zgłoszenie incydentu odpowiedniej jednostce instytucji (administrator danych/compliance), udokumentowanie, które dane dokąd trafiają i dokonanie korekty, aby zapobiec ponownym wystąpieniom. Naruszenie jest także okazją do nauki, która ujawnia słabe ogniwo systemu: jaki krok został pominięty, jakiej reguły brakowało?
Uwaga: ukrywanie naruszenia prywatności może mieć poważniejsze konsekwencje niż samo naruszenie. Przejrzyste raportowanie i szybkie działania naprawcze to właściwa droga, zarówno z prawnego, jak i etycznego punktu widzenia.
Podsumowując
Dane pacjentów stanowią szczególne dane osobowe w rozumieniu KVKK i wymagają najwyższej ochrony. Podczas pracy z sztuczną inteligencją stosuj trzy zabezpieczenia: nie dostarczaj danych, które nie są potrzebne (minimalizacja), anonimizuj podawane dane (identyfikatory bezpośrednie i pośrednie), wybieraj tylko narzędzia zgodne z polityką i nie wykorzystuj danych do celów szkoleniowych. Sprawdź także wyjście pod kątem wycieków. Konsekwencje naruszenia są poważne klinicznie, prawnie i etycznie; Odpowiedzialność spoczywa na lekarzu i instytucji.
Zadanie aplikacji
Oceń politykę prywatności narzędzia AI, z którego sam korzystasz, korzystając z powyższej listy kontrolnej: czy dane są wykorzystywane w szkoleniach, w jakiej ilości są przechowywane, gdzie znajduje się serwer? Następnie zanonimizuj prawdziwy tekst sprawy (własną ręką); Znajdź i wyczyść każdy z identyfikatorów bezpośrednich, pół i pośrednich. Należy rozważyć, czy nadal istnieje ryzyko ponownej identyfikacji.
lista kontrolna
- [ ] Nigdy nie podawałem niepotrzebnych danych do zadania.
- [ ] Usunąłem/oznaczyłem identyfikatory bezpośrednie.
- [ ] Uogólniłem identyfikatory pół- i pośrednie.
- [ ] Oceniłem ryzyko ponownej identyfikacji.
- [ ] Zapoznałem się z polityką prywatności narzędzia i zweryfikowałem jego przydatność.
- [ ] Sprawdziłem wyjście AI pod kątem wycieku tożsamości.
- [ ] Tam, gdzie było to konieczne, zastosowałem wyraźną zgodę i procedurę instytucjonalną.