ආචාර ධර්ම, පෞද්ගලිකත්වය සහ දත්ත ආරක්ෂණය: ජානමය දත්තවල විශේෂ වගකීම

ලාභ:

• ජානමය දත්ත පුද්ගලික දත්තවල විශේෂ කාණ්ඩයක් වන්නේ මන්දැයි තේරුම් ගැනීම සහ නැවත හඳුනාගැනීමේ අවදානම
• කෘතිම බුද්ධි මෙවලම් විවෘත කිරීමට රෝගියාගේ දත්ත සැපයීමට පෙර නිර්නාමිකකරණය, කැමැත්ත සහ දත්ත අවම කිරීමේ මූලධර්ම යෙදීමේ හැකියාව
• KVKK/GDPR වැනි රාමු තුළ ප්‍රවේණික දත්ත සැකසීමේ සීමාවන් සහ වෘත්තීය සදාචාරාත්මක වගකීම් වැලඳ ගැනීමේ හැකියාව

ජානමය දත්ත සාමාන්‍ය පුද්ගලික දත්ත නොවේ. පුද්ගලයෙකුගේ DNA අනුපිළිවෙල; එය ඔබව අනන්‍ය ලෙස හඳුනා ගනී, වෙනස් කළ නොහැක (ඔබට ඔබේ මුරපදය වෙනස් කළ හැකි නමුත් ඔබේ ජෙනෝමය නොවේ), අනාගත රෝග අවදානම් හෙළි කළ හැකි අතර පුද්ගලයා පමණක් නොව රුධිරයට සම්බන්ධ සියලුම පවුලේ සාමාජිකයන් ගැන සැලකිලිමත් වේ. එබැවින්, ජාන දත්ත සමඟ වැඩ කිරීමේදී කෘතිම බුද්ධිය (AI) භාවිතා කිරීම සඳහා ඉහළම රහස්‍යභාවය සහ ආචාර ධර්ම අවශ්‍ය වේ. AI මෙවලම් භාවිතා කිරීමේදී බරපතල ප්‍රතිවිපාක ඇති කරන ප්‍රවේණික දත්ත විශේෂයෙන් ආරක්ෂා කළ යුත්තේ ඇයිද යන්න සහ ආරක්ෂිතව ක්‍රියා කරන විනය මෙම ඒකකයෙන් ඔබ ඉගෙන ගනු ඇත.

තීරනාත්මක මූලධර්මය: කිසිවිටෙක හඳුනාගත හැකි රෝගී ජාන දත්ත ප්‍රසිද්ධියේ ලබාගත හැකි AI මෙවලමකට අලවන්න එපා. බොහෝ පොදු කාර්ය AI සේවාවන්ට ඔබ ඇතුලත් කරන දත්ත සැකසීමට, ගබඩා කිරීමට හෝ ආකෘතිය වැඩිදියුණු කිරීමට භාවිතා කිරීමට හැකිය. රෝගියෙකුගේ දුර්ලභ ප්‍රභේද සංයෝජනයක්, නමක්, හඳුනාගැනීමේ අංකයක් හෝ උපන්දිනයක් මෙවලමකට ඇතුළත් කළ විට, ආපසු හැරවිය නොහැකි පෞද්ගලිකත්වය උල්ලංඝනය කිරීමක් සිදු විය හැක.

ජාන දත්ත විශේෂ කරන විශේෂාංග පහක්

1. වෙනස් නොවීම: ජෙනෝමය ජීවිත කාලය පුරාම එක හා සමානයි; අනාවරණය කළහොත් එය "අවලංගු" කළ නොහැක.
2. අනන්‍යතාවය: දුර්ලභ ප්‍රභේද කුඩා සංඛ්‍යාවකට පවා පුද්ගලයෙකු අද්විතීය ලෙස හඳුනාගත හැකිය; "නිර්නාමික" යැයි සිතන දත්ත නැවත හඳුනාගත හැක.
3. පවුලේ විශාලත්වය: පුද්ගලයෙකුගේ ජෙනෝමය ඔවුන්ගේ ඥාතීන්ගේ ජානමය තොරතුරු ද අඩංගු වේ; ඔවුන්ගේ අනුමැතියකින් තොරව තොරතුරු අනාවරණය කළ හැකිය.
4. පුරෝකථනය කිරීම: අනාගත රෝග අවදානම දැක්විය හැක; රැකියා වෙනස්කම් කිරීම සඳහා රක්ෂණ පදනම විය හැකිය.
5. නැවත හඳුනාගැනීමේ අවදානම: වෙනත් දත්ත සමුදායන් සමඟ හරස් කිරීම මගින් ජානමය දත්ත අනන්‍යතාවයට සම්බන්ධ කළ හැක.

නීති රාමුව: කෙටි දළ විශ්ලේෂණයක්

දත්ත ආරක්ෂණ නීති සම්පාදනය තුළ ජානමය දත්ත විශේෂ (සංවේදී) පුද්ගලික දත්ත කාණ්ඩයට අයත් වන අතර එය වඩාත් දැඩි ලෙස ආරක්ෂා කර ඇත. Türkiye හි, KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) සෞඛ්‍ය සහ ජානමය දත්ත විශේෂ දත්ත ලෙස සලකන අතර, රීතියක් ලෙස, එහි සැකසීම පැහැදිලි කැමැත්ත හෝ විශේෂ ව්‍යතිරේකවලට සම්බන්ධ කරයි. යුරෝපයේ, GDPR ඒ හා සමානව විශේෂ කාණ්ඩයක් ලෙස ජාන දත්ත ආරක්ෂා කරයි. එක්සත් ජනපදයේ, GINA නීතිය ජානමය තොරතුරු මත පදනම්ව රක්ෂණය සහ රැකියා වෙනස්කම් කිරීම තහනම් කරයි. විස්තර රට අනුව වෙනස් වුවද, පොදු මූලධර්මය එකම වේ: පැහැදිලි අනුමැතියකින් තොරව, අරමුණ සීමා කිරීම සහ ශක්තිමත් ආරක්ෂාවක් නොමැතිව ජාන දත්ත සැකසිය නොහැක.

ඉඟිය: රෝගියෙකුගෙන් ජාන පරීක්ෂාව සඳහා කැමැත්ත ලබා ගැනීමේදී, AI මෙවලම් මගින් දත්ත සකසන ආකාරය අනාවරණය කිරීමෙහි ඇතුළත් විය හැක. "අපි ඔබේ දත්ත විශ්ලේෂණය සඳහා සකසන්නේ කුමන මෙවලම් සහ කොතැනින්ද?" ප්‍රශ්නයට විනිවිදභාවයෙන් පිළිතුරු දිය හැකි තත්ත්වයක සිටින්න.

පියවරෙන් පියවර: රහස් ජාන දත්ත සමඟ ආරක්ෂිත AI භාවිතා කිරීම

1. වර්ගීකරණය. ඔබ සතුව ඇති දත්ත හඳුනාගත හැකිද? එහි නම, හැඳුනුම්පත අංකය, දිනය, දුර්ලභ ප්‍රභේදයේ සංකලනයක් අඩංගු වේද?

2. නිර්නාමික කරන්න හෝ මාරු නොකරන්න. සෘජු හඳුනාගැනීම් ඉවත් කරන්න; නමුත් මතක තබා ගන්න, ජාන දත්තවල "නිර්නාමිකකරණය" සම්පූර්ණ සහතිකයක් ලබා නොදේ. විවෘත වාහනයට පුද්ගලිකව හඳුනාගත හැකි දත්ත කිසිසේත් හඳුන්වා නොදීම ආරක්ෂිතයි.

3. මෙවලමෙහි දත්ත ප්‍රතිපත්තිය කියවන්න. ආයතනික මෙවලම් තෝරන්න, දත්ත සැකසුම් ගිවිසුමක් (DPA), අධ්‍යාපනයේ දත්ත භාවිතා නොකරන බවට පොරොන්දු වන්න, සහ ප්‍රාදේශීයව/ සමීපව වැඩ කිරීම වඩාත් සුදුසුය.

4. දත්ත වලින් සංකල්පීය ප්‍රශ්න වෙන් කරන්න. "ACMG PM2 අයදුම් කරන්නේ කෙසේද?" ඔබට AI සංකල්පීය ප්‍රශ්න ඇසිය හැක; මේ සඳහා රෝගියාගේ දත්ත අවශ්‍ය නොවේ. අවශ්‍ය විට පමණක් සහ නිර්නාමික ආකාරයෙන් දත්ත භාවිතා කරන්න.

5. හෝඩුවාවක් සුරකින්න. ඔබ සකසන දත්ත, කුමන මෙවලම සමඟ සහ කුමන අරමුණක් සඳහාද ලේඛනගත කරන්න; විගණනය සදාචාරාත්මක සහ නීතිමය අවශ්‍යතාවයකි.

කුඩා නඩු තුනක්

නඩුව 1 - ඇලවූ වාර්තාව. වේගය සඳහා, සහායකයකු රෝගියෙකුගේ සම්පූර්ණ නම සහ ප්‍රභේද ලැයිස්තුව අඩංගු වාර්තාව සාමාන්‍ය AI කතාබස් එකකට අලවා "සාරාංශ කරන්න" යැයි පැවසීය. ජ්යෙෂ්ඨ විශේෂඥයා මෙය අවබෝධ කර ගත්තේය: නම සහ දුර්ලභ ප්රභේදය එක්ව රෝගියා හඳුනා ගත් අතර, මෙවලම දත්ත ගබඩා කර ඇත. මෙම සිද්ධියට රහස්‍යතා කඩකිරීමේ දැනුම්දීමක් අවශ්‍ය විය. පාඩම: සාරාංශය සඳහා පවා හඳුනාගැනීමේ දත්ත මාරු නොකෙරේ.

නඩුව 2 - පවුලේ කැමැත්ත. රෝගියෙකුගේ දත්ත භාවිතා කරන අතරතුර, පර්යේෂකයෙකු AI වෙත පැවසුවේ එම ප්‍රභේදය ඔහුගේ සහෝදරයාගෙන් ද සොයාගත් බවයි. කෙසේ වෙතත්, ඔහුගේ දත්ත සැකසීමට සහෝදරයා එකඟ නොවීය. ප්‍රවේණික දත්තවල පවුල් අංගය තුන්වන පාර්ශ්වයේ පෞද්ගලිකත්වය ද ප්‍රශ්න කර ඇත; පරීක්ෂකවරයා සහෝදරයා ගැන තොරතුරු උකහා ගත්තේය.

3 වන අවස්ථාව - තහවුරු කර ගැනීම. එක් රසායනාගාරයක් විශ්ලේෂණයට පෙර "නිර්නාමික පිරික්සුම් ලැයිස්තුවක්" ක්රියාත්මක කරන ලදී. ඔවුන් AI වෙත ලබා දීමට පෙර නම්, හැඳුනුම්පත් අංක සහ දිනයන් උපුටා ගත්හ; එපමණක් නොව, ඉතා දුර්ලභ විචල්‍ය සංයෝජනයකට පමණක් අනන්‍යතාවය තීරණය කළ හැකි බව ඔවුන් වටහා ගත් අතර එම නියැදිය කිසිසේත් වාර්තා නොකළේය. පිරික්සුම් ලැයිස්තුව නොමැතිව, "නිර්නාමික" යැයි සිතන දත්ත නැවත හඳුනා ගත හැකිව තිබුණි.

පිටපත් කළ හැකි සැකිලි හතරක්

1) නිර්නාමිකකරණය පාලනය:

මෙම පාඨය AI මෙවලමකට පෝෂණය කිරීමට පෙර, රෝගියා හෝ ඔවුන්ගේ ඥාතීන් හඳුනා ගත හැකි සියලුම අංග (නම, හැඳුනුම්පත අංකය, දිනය, ලිපිනය, දුර්ලභ ප්‍රභේද සංයෝජනය, දුර්ලභ සංසිද්ධිය) ලැයිස්තුගත කරන්න. එක් එක් සඳහා, "අත්හරින්න" හෝ "නියැදිය කිසිසේත් මාරු නොකරන්න" යෝජනා කරන්න: [පෙළ].

2) සංකල්පීය ප්‍රශ්නය (දත්ත නොමැතිව):

රෝගියාගේ දත්ත බෙදා නොගෙන, මෙම සංකල්පීය ප්‍රශ්නයට පිළිතුරු දෙන්න: [ACMG/methods ප්‍රශ්නය]. පොදු උදාහරණ භාවිතා කරන්න; මට සැබෑ රෝගීන්ගේ තොරතුරු අවශ්‍ය නැත.

3) කැමැත්ත සහ විනිවිදභාවය පාලනය:

ජාන පරීක්ෂාව සඳහා තොරතුරු/අනුමත පාඨයක් කෙටුම්පත් කිරීමට මට උදවු කරන්න. එයට ඇතුළත් විය යුතුය: දත්ත සකසන්නේ කුමන අරමුණු සඳහාද, එය විශ්ලේෂණය කරන්නේ කුමන ආකාරයේ මෙවලම් සමඟද, පවුලේ සාමාජිකයන් සම්බන්ධ ප්‍රතිඵල හසුරුවන්නේ කෙසේද, ගබඩා කිරීම සහ මකා දැමීම. නීතිමය තීරණය සඳහා නීති/ආචාර ධර්ම ඒකකය වෙත යොමු වන්න.

4) වාහන තෝරා ගැනීමේ නිර්ණායක:

සංවේදී ජාන දත්ත සකසන AI/විශ්ලේෂණ මෙවලමක් තෝරාගැනීමේදී මා ඇසිය යුතු රහස්‍යතා නිර්ණායක (දත්ත සැකසුම් ගිවිසුම, අධ්‍යාපනයේ භාවිතා නොකිරීමට කැපවීම, දේශීය ක්‍රියාකාරිත්වය, ප්‍රවේශ පාලනය, මකා දැමීම) මොනවාද? ඇගයීම් පිරික්සුම් ලැයිස්තුවක් සාදනු ලැබේ.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල: "Ahmet Yılmaz ගේ (TC: ...) BRCA1 ප්‍රතිඵලය: [සම්පූර්ණ ප්‍රභේද ලැයිස්තුව] අදහස් දක්වන්න."

ගැටළුව: සෘජු හඳුනාගැනීම් + ජාන දත්ත විවෘත මෙවලමට යයි; රහස්‍යභාවය දැඩි ලෙස උල්ලංඝනය කිරීම.

Güçlü: "කිසිවෙකු හඳුනා නොගෙන, ACMG හි BRCA1 හි රාමු මාරු ප්‍රභේදයක් ඇගයීමට ලක් කරන ආකාරය සාමාන්‍ය උදාහරණයක් භාවිතා කර පැහැදිලි කරන්න. මම සත්‍ය රෝගී දත්ත බෙදා නොගනිමි."

එය බලවත් වන්නේ ඇයි: ඉගෙනීමේ/ඇගයීමේ අවශ්‍යතාවය සපුරා ඇත, නමුත් හඳුනාගැනීමේ දත්ත මාරු නොකෙරේ.

දත්ත වර්ගය

එය විවෘත AI මෙවලමට ඇතුළු වේද?

විකල්ප

රෝගියාගේ නම/හැඳුනුම් අංකය

කවදාවත්

මාරුවක් නැත

දුර්ලභ ප්රභේදය + ඉතිහාසය

කිසි විටෙකත් (හඳුනා නොගනී)

නියැදිය මාරු කරන්න

සංකල්පීය ප්රශ්නය

ඔව්

සාමාන්ය උදාහරණයක්

නිර්නාමික, පොදු උදාහරණයක්

පරිස්සමෙන්

ව්යවසාය/දේශීය මෙවලම

එකතු කළ, නිර්නාමික සංඛ්‍යාලේඛන

තත්ත්වය අනුව

DPA සහිත වාහනය

පොදු වැරදි

• හඳුනාගැනීමේ දත්ත "සාරාංශය සඳහා පමණි" ලෙස ඇලවීම. අරමුණ කුමක් වුවත් එය උල්ලංඝනය කිරීමකි.
• ජාන දත්ත සඳහා "නිර්නාමිකකරණය" සම්පූර්ණ ආරක්ෂාව ලෙස වරදවා වටහා ගැනීම. නැවත හඳුනාගැනීමේ හැකියාව ඇත.
• පවුලේ පැත්ත අමතක වෙනවා. පුද්ගලයෙකුගේ දත්ත ඔවුන්ගේ ඥාතීන් ද හෙළි කරයි.
• වාහනයේ දත්ත ප්‍රතිපත්තිය කියවීම නොවේ. පුහුණුවේදී දත්ත භාවිතා කිරීමට හෝ ගබඩා කිරීමට හැකිය.
• වාර්තා තබා නොගැනීම. පාලනයක් නොමැති නම් වගකීම ප්‍රදර්ශනය කළ නොහැක.

අවවාදයයි: බොහෝ විට, පෞද්ගලිකත්වය උල්ලංඝනය කිරීම් ද්වේෂ සහගත චේතනාවෙන් පැන නගින්නේ නැත, නමුත් "ඉක්මන් කර ගන්න" ප්‍රත්‍යාවර්තයකින්. ලොකුම අවදානම නම් අනියම් වැඩ ප්‍රවාහයක වාර්ථාවක් කතාබස් කවුළුවකට සිහිසුන්ව ඇලවීමයි. වේගය අඩු කරන්න; ජාන දත්ත මත අහෝසි කිරීමේ බොත්තමක් නොමැත.

ගැඹුර: නැවත හඳුනාගැනීමේ සහ ආරක්ෂිත ගෘහ නිර්මාණ ශිල්පයේ සැබෑ ගණිතය

"මම නම මකා දැමුවා, දැන් එය නිර්නාමිකයි" යැයි සිතීම වැරදි ඇයි? පුද්ගලයෙකු හඳුනා ගැනීමට නමක් අවශ්‍ය නොවන නිසා; දුර්ලභ ලක්ෂණ එකතුවක් ප්රමාණවත්ය. සම්භාව්‍ය සොයා ගැනීමකට අනුව, උපන්දිනය + ස්ත්‍රී පුරුෂ භාවය + සිප් කේතය යන තුනෙන් එක්සත් ජනපද ජනගහනයෙන් අතිමහත් බහුතරයක් වෙන්කර හඳුනාගත හැකිය. ජාන විද්‍යාවේදී, තත්වය වඩාත් තියුණුය: දුර්ලභ ප්‍රභේද කිහිපයක එකතුව (එක් එක් ජනගහණයෙන් දහසකින් එකකට වුවද, මිලියනයකට එකකට වඩා අඩුවෙන්) එක් පුද්ගලයෙකු වෙත යොමු කරයි. එපමනක් නොව, පුද්ගලයා වෙනත් කිසිම තැනක දත්ත සපයා නොමැති වුවද, පුද්ගලයෙකු ඥාතියෙකුගේ අනන්‍යතාවයට සම්බන්ධ කිරීම සඳහා ජානමය දත්ත පෙළපත් දත්ත සමුදායන් සමඟ හරස් කළ හැකිය - සාහිත්‍යයේ පෙන්නුම් කර ඇති ප්‍රහාරයේ සැබෑ ස්වරූපයකි.

එබැවින් සංරක්ෂණය සඳහා "මකන්න හඳුනාගැනීම්" ප්‍රත්‍යාවර්තයෙන් ඔබ්බට ගිය වාස්තු විද්‍යාත්මක තීරණ අවශ්‍ය වේ. ප්‍රායෝගික විකල්ප: ආයතනයේ දේශසීමාවෙන් පිටත දත්ත කිසිවිටෙක නොතැබීම සඳහා දේශීය/ස්වයං-සත්කාරක ආකෘති භාවිතා කිරීම; වලාකුළ භාවිතා කරන්නේ නම්, දත්ත සැකසුම් ගිවිසුමක් (DPA) සහ "පුහුණුවේදී ආදානය භාවිතා නොකිරීමට" කැපවීම සහිත ව්‍යවසාය ස්ථර තෝරන්න; හැකි සෑම විටම රෝගියා-විශේෂිත අමු දත්ත වලට වඩා ව්‍යුත්පන්න, එකතු කරන ලද තොරතුරු සමඟ වැඩ කිරීම; සහ අවම වරප්‍රසාද මූලධර්මයට ප්‍රවේශය සීමා කිරීම.

කොන්ක්‍රීට් නඩුව: මධ්‍යස්ථානයක් “නිර්නාමික” සිද්ධි මාලාවක් සාමාන්‍ය AI මෙවලමක් බවට සාරාංශ කළේය. දත්ත කට්ටලයේ නම් අඩංගු නොවීය, නමුත් එක් එක් රෝගියාට දුර්ලභ රෝග විනිශ්චය + වයස + නගරය යන සංකලනයක් තිබුණි; ප්‍රාදේශීය පුවත්පත් වාර්තාවක් සමඟ හරස් කළ විට රෝගියෙකු හඳුනාගත හැකිය. අමු හඳුනාගැනීම් නොමැතිකම නැවත හඳුනාගැනීම වැළැක්විය නොහැක.

ආරක්ෂණ ස්ථරය

සපයන දේ

සීමාව

හඳුනාගැනීමේ මකාදැමීම

හැඳුනුම්පත කෙලින්ම ඉවත් කරයි

දුර්ලභ සංයෝජන ඉතිරි වේ

දේශීය/ස්වයං සත්කාරක ආකෘතිය

දත්ත ආයතනයෙන් පිට නොවේ

ස්ථාපනය / නඩත්තු බර

DPA+ අධ්‍යාපනයේ භාවිතා නොවේ

නෛතික/කොන්ත්‍රාත් සහතිකය

ප්රතිපත්තිය කියවීම අවශ්ය වේ

එකතු කිරීම / ව්යුත්පන්න කිරීම

තනි කැළැල් අඩු කරයි

විශ්ලේෂණයේ ගැඹුර සීමා කරයි

සාරාංශයක් ලෙස

• ජානමය දත්ත විශේෂ, වෙනස් කළ නොහැකි, හඳුනාගැනීම සහ පවුලට සම්බන්ධ දත්ත වේ; ඉහළම ආරක්ෂාවක් අවශ්ය වේ.
• හදුනාගත හැකි රෝගී ජාන දත්ත කිසිවිටෙක විවෘත AI මෙවලම්වලට ඇතුල් නොකෙරේ; සංකල්පීය ප්‍රශ්න දත්ත වලින් වෙන් කර ඇත.
• KVKK, GDPR, GINA වැනි රාමු සඳහා පැහැදිලි කැමැත්ත, අරමුණු සීමාවන් සහ ශක්තිමත් ආරක්ෂාවක් අවශ්‍ය වේ.
• නිර්නාමිකකරණය සම්පූර්ණ සහතිකයක් නොවේ; ආරක්ෂිතම දෙය නම් විවේචනාත්මක දත්ත කිසිසේත් මාරු නොකිරීමයි.

යෙදුම් කාර්යය

සාම්පල (ප්‍රබන්ධ) ජාන වාර්තාවක් ලබා ගන්න. අච්චුව 1 භාවිතා කරමින්, එහි ඇති සියලුම හඳුනාගැනීමේ මූලද්‍රව්‍ය ලැයිස්තුගත කර එක් එක් සඳහා "නොහැරීම" හෝ "මාරුවක් නැත" යන්න තීරණය කරන්න. පසුව එම සායනික ප්‍රශ්නයම හඳුනාගැනීමේ දත්ත නොමැතිව නැවත ලියන්න (සැකිල්ල 2 තර්කනය භාවිතා කර). එක් වාක්‍යයකින් අනුවාද දෙක අතර පෞද්ගලිකත්ව වෙනස විස්තර කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම අනන්‍යතාවය අනුව දත්ත වර්ග කළෙමි.
• [ ] මම පුද්ගලිකව හඳුනාගත හැකි දත්ත විවෘත මෙවලමට හඳුන්වා දුන්නේ නැත.
• [ ] දුර්ලභ ප්‍රභේදවල එකතුවක් හඳුනාගත හැකි බව මම නිරීක්ෂණය කළෙමි.
• [ ] මම මෙවලමෙහි දත්ත ප්‍රතිපත්තිය (රඳවා ගැනීම, පුහුණුව, DPA) පරීක්ෂා කළෙමි.
• [ ] මම පවුලේ අංගය සහ තෙවන පාර්ශ්ව කැමැත්ත සලකා බැලුවා.
• [ ] මම ගණුදෙණු සටහන පටිගත කර අවශ්‍ය වූ විට එය ආචාර ධර්ම/නීති අංශය වෙත යොමු කළෙමි.