රෝගියාගේ පෞද්ගලිකත්වය, දත්ත රහස්‍යභාවය සහ ආචාර ධර්ම

ලාභ:

• රෝගියාගේ දත්ත සංවේදී පුද්ගලික දත්ත වන්නේ ඇයිද යන්න සහ එය කෘතිම බුද්ධි මෙවලම් වෙත ලබා දීමට පෙර එය ආරක්ෂා කරන්නේ කෙසේද යන්න නිර්වචනය කිරීමේ හැකියාව
• සන්දර්භය හඳුනා නොගැනීමේ හැකියාව, අධ්‍යාපනයේ දත්ත භාවිතා නොකරන මෙවලම් තෝරා ගැනීම සහ ආයතනික ප්‍රතිපත්තිවලට අනුකූල වීමේ පුරුද්ද පුරුදු කිරීම.
• පෞද්ගලිකත්වය උල්ලංඝනය කිරීම්වල වෘත්තීය, නෛතික සහ සදාචාරාත්මක ප්රතිවිපාක සහ රෝගියාගේ විශ්වාසය ආරක්ෂා කිරීමේ ප්රමුඛතාවය අවබෝධ කර ගැනීමේ හැකියාව.

රෝගියෙකු ඔහුගේ වඩාත්ම පුද්ගලික තොරතුරු සමඟ ඔබව විශ්වාස කරයි: ඔහුගේ අසනීප, ඔහුගේ අතීතය, ඔහුගේ බිය, සමහර විට ඔහු කිසිවෙකුට නොකියූ රහස්. මෙම භාරය හෙද වෘත්තියේ පදනම වන අතර රෝගියාගේ රහස්‍යභාවය මෙම භාරයේ ස්ථිර සහකරු වේ. AI මෙවලම් බලවත් වන අතරම, ඒවා පුද්ගලිකත්ව අවදානමක් ද ඇති කරයි: AI මෙවලමකට රෝගියාගේ තොරතුරු නොසැලකිලිමත් ලෙස ටයිප් කිරීම යනු එම තොරතුරු යන්නේ කොතැනටද, එය ගබඩා කර තිබේද සහ අධ්‍යාපනයේ භාවිතා කරන්නේද යන්න නොදැන එම තොරතුරු පිටතට යාමට ඉඩ දීමයි. කෘත්‍රිම බුද්ධි යුගයේ රෝගීන්ගේ දත්ත ආරක්ෂා කරන්නේ කෙසේදැයි මෙම ඒකකයෙන් ඔබ ඉගෙන ගනු ඇත. මූලික මූලධර්මය මෙයයි: රෝගියාගේ දත්ත විශේෂ පුද්ගලික දත්ත; එය හඳුනා නොගෙන ආරක්ෂිත සහ අනුමත මෙවලමක් භාවිතා නොකර කිසිදු කෘතිම බුද්ධි මෙවලමකට ලබා නොදේ.

රෝගීන්ගේ දත්ත පුද්ගලිකව ආරක්ෂා කරන්නේ ඇයි?

පුද්ගලික දත්ත යනු පුද්ගලයෙකු හඳුනා ගන්නා ඕනෑම තොරතුරකි (නම, හැඳුනුම්පත අංකය, ලිපිනය). විශේෂ පුද්ගලික දත්ත වඩාත් සංවේදී කාණ්ඩ වේ; සෞඛ්‍ය දත්ත මේ අතරින් මුල් තැන ගනී. පුද්ගලයෙකුගේ අසනීපයක් හෙළි වූ විට, රැකියාව, රක්ෂණය, සමාජ සබඳතා සහ ගෞරවයට හානි විය හැකිය. නීතිය (KVKK - අපේ රටේ පුද්ගලික දත්ත ආරක්ෂණ නීතිය; යුරෝපයේ GDPR) සෞඛ්‍ය දත්ත ඉහළම මට්ටමින් ආරක්ෂා කරන අතර එහි සැකසීම දැඩි නීතිරීතිවලට බැඳී ඇත්තේ එබැවිනි. සෞඛ්‍ය සේවා ආයතනවලට ඔවුන්ගේම පෞද්ගලිකත්ව ප්‍රතිපත්ති සහ රෝගීන්ගේ අයිතිවාසිකම් රෙගුලාසි ද ඇත.

ඔබ AI මෙවලමකට රෝගියාගේ තොරතුරු ටයිප් කරන විට, එම තොරතුරු බොහෝ විට ඔබේ ආයතනයෙන් පිටත සේවාදායකයකට යයි. එම මෙවලම දත්ත ගබඩා කරන්නේ කෙසේද, එයට ප්‍රවේශ වන්නේ කවුද සහ එය පුහුණුවේදී එය භාවිතා කරන්නේද යන්න පිළිබඳව ඔබට පාලනයක් නැත. එම නිසා වාහනයට පැමිණීමට පෙර දත්ත ආරක්ෂා කළ යුතුය.

අවවාදයයි: "මම උදව් ඉල්ලා සිටියේ" පුද්ගලිකත්වය ආක්‍රමණය කිරීම සාධාරණීකරණය නොකරයි. රෝගියාගේ නම, හැඳුනුම්පත, දුර්ලභ රෝග විනිශ්චය හෝ විස්තර හඳුනා ගැනීම අනුමත නොකළ කෘතිම බුද්ධි මෙවලමක් වෙත ලිවීම; එය වෘත්තීය, සදාචාරාත්මක සහ නීතිමය උල්ලංඝනයකි. හානිය ආපසු හැරවිය නොහැක.

හඳුනා නොගන්නා ආකාරය

හඳුනාගැනීම ඉවත් කිරීම (නිර්නාමිකකරණය) යනු පුද්ගලයෙකු හඳුනා ගත හැකි හෝ එය ටැගයකින් ප්‍රතිස්ථාපනය කළ හැකි සියලුම තොරතුරු පෙළකින් ඉවත් කිරීමයි. නම, වාසගම, TR ID, ගොනු අංකය, උපන් දිනය, ලිපිනය, දුරකථනය, දිනය, දුර්ලභ රෝග විනිශ්චය සංයෝජනය සහ වෘත්තිය වැනි හඳුනාගැනීම් නිෂ්කාශනය වේ. අවවාදයයි: සමහර විට තනි තනිව නිර්දෝෂී බවක් පෙනෙන තොරතුරු එකට එකතු කළ විට පුද්ගලයෙකු දැනගත හැකිය (උදා: "ගමේ එකම ඩයලිසිස් රෝගියා"). හඳුනාගැනීමේ දී, නම මකා දැමීම පමණක් ප්‍රමාණවත් නොවේ; සන්දර්භය පුද්ගලයාට ලබා නොදෙන බවට වග බලා ගැනීම අවශ්ය වේ.

හඳුනා නොගත් පෙළ සමඟ වැඩ කිරීම බොහෝ කාර්යයන් සඳහා ප්‍රමාණවත් වේ: සත්කාර සැලැස්මේ කෙටුම්පතක්, SBAR පිරිසැලසුමක්, පුහුණු ද්‍රව්‍යයක්, ක්‍රියා පටිපාටි සාරාංශයක් සියල්ල සැබෑ හඳුනා ගැනීමකින් තොරව නිෂ්පාදනය කළ හැකිය. කර්තව්‍යයේ ගුණාත්මක භාවයට අනන්‍යතාවය කිසිවිටෙක අත්‍යවශ්‍ය නොවේ.

කුඩා නඩු තුනක්

නඩුව 1 - ආරක්ෂිත භාවිතය. හෙදියක් සංකීර්ණ නඩුවක් සංවිධානය කිරීම සඳහා කෘතිම බුද්ධියෙන් උපකාර ලබා ගැනීමට අවශ්ය වේ. ඔහු පාඨයෙන් නම, හැඳුනුම්පත, දිනය සහ හඳුනාගැනීමේ විස්තර ඉවත් කර "68 හැවිරිදි රෝගියා" වැනි සාමාන්‍ය ප්‍රකාශන වලින් එය ලියයි. එය අධ්‍යාපනයේ දත්ත භාවිතා නොකරන ආයතනය විසින් අනුමත කරන ලද මෙවලමක් භාවිතා කරයි. ඔහු කාර්යය ආරක්ෂිතව සම්පූර්ණ කරයි. හැඳුනුම්පත කිසි විටෙකත් අවශ්‍ය නොවීය.

නඩුව 2 - රහස් හඳුනාගැනීම. හෙදියක් නම මකා දැමූ නමුත් "අපේ රෝහලේ සිටින එකම නිවුන් දරුවා ගැබ්ගෙන ඇත." මෙම ප්රකාශනය පුද්ගලයා හඳුනා ගනී. සගයෙක් අනතුරු අඟවයි; හෙදිය සන්දර්භය සාමාන්‍යකරණය කරයි. පාඩම: නම මකා දැමීම ප්රමාණවත් නොවේ; සන්දර්භය පුද්ගලයාට ලබා නොදිය යුතුය.

නඩුව 3 - අනුමත නොකළ වාහනය. හෙදියක් හදිසියේ හදිසියේ රෝගියෙකුගේ සාරාංශයක් නොමිලේ යෙදුමකට අලවයි. මෙම මෙවලම දත්ත ගබඩා කර පුහුණු කිරීමේදී භාවිතා කරන බව පසුව ඔහු දැන ගනී. බරපතල පෞද්ගලිකත්වය පිළිබඳ ගැටළුවක් පැන නගී. පාඩම: භාවිතයට පෙර මෙවලමෙහි රහස්‍යතා ප්‍රතිපත්තිය සහ නියෝජිතායතන අනුමැතිය පරීක්ෂා කරන්න.

පියවරෙන් පියවර: පුද්ගලිකත්වය ආරක්ෂා කරන අතරම කෘතිම බුද්ධිය භාවිතා කිරීම

1. එය ඇත්තෙන්ම අවශ්යද? කාර්යය සඳහා අවම වශයෙන් ප්‍රමාණවත් දත්ත මොනවාද?
2. හඳුනාගන්න. නම, හැඳුනුම්පත, දිනය, ලිපිනය සහ හඳුනාගැනීමේ විස්තර ඉවත් කරන්න.
3. සන්දර්භය පරීක්ෂා කරන්න. ඉතිරි තොරතුරු පුද්ගලයා ලබා දෙයිද?
4. මෙවලම තෝරන්න. ආයතනය අනුමත, අධ්‍යාපනයේ දත්ත භාවිතා නොකිරීම, ප්‍රතිපත්ති අනුකූල.
5. අවම දත්ත සමඟ වැඩ කරන්න. වැඩිය දෙන්න එපා.
6. සැකයක් ඇත්නම්, බෙදා නොගන්න. ඔබට විශ්වාස නැත්නම්, වගකිවයුතු පුද්ගලයාගෙන් විමසන්න.

පිටපත් කළ හැකි සැකිලි හතරක්

කාර්යය: පහත රෝගියා පෙළ හඳුනා නොගන්න. ඔබගේ නම, වාසගම, TR ID අංකය, ගොනු අංකය, උපන් දිනය, ලිපිනය, දුරකථනය, දිනය සහ පුද්ගලයා [TAGET] සමඟ හඳුනාගත හැකි දුර්ලභ තොරතුරු ප්‍රතිස්ථාපනය කරන්න; සායනික වැදගත්කම පවත්වා ගැනීම. පෙළ: [...]

කාර්යය: පහත සඳහන් නිර්නාමික පෙළෙහි, තනි තනිව හානිකර නොවන බව පෙනෙන නමුත් එකට එකතු කළ විට පුද්ගලයා හඳුනාගත හැකි තොරතුරු සලකුණු කර එය සාමාන්‍යකරණය කරන්නේ කෙසේදැයි යෝජනා කරන්න. පෙළ: [...]

කාර්යය: රෝගියාගේ දත්ත අනුව කෘතිම බුද්ධි මෙවලමක් ඇගයීම සඳහා පිරික්සුම් ලැයිස්තුවක් සකස් කරන්න: එය අධ්‍යාපනයේ දත්ත භාවිතා කරන්නේද, එය ගබඩා කරන්නේ කොහේද, ආයතනික අනුමැතිය තිබේද, දත්ත මකාදැමීමේ ප්‍රතිපත්තිය කුමක්ද? තීරණය මගේ වේවා.

කාර්යය: හෙදියක් සඳහා මෙම (නිර්නාමික) නඩුව සංවිධානය කරන්න. කාර්යය පුරාවට කිසිදු අක්තපත්‍ර එකතු නොකරන්න; සාමාන්‍ය වයස/ලිංගභේදය හැර වෙනත් හඳුනාගැනීම් භාවිතා කිරීම. නඩුව: [...]

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල: "Ahmet Yılmaz, 62, TC 123..., පහත රෝග විනිශ්චය සමඟ රෝහල් ගත කර ඇත, ඔහු සඳහා සත්කාර සැලැස්මක් ලියන්න."

ශක්තිමත්: "මා සපයන සාමාන්‍ය සායනික තොරතුරු සමඟ 62 හැවිරිදි පිරිමි රෝගියෙකු (නිර්නාමික) සඳහා කෙටුම්පත් සත්කාර සැලැස්මක් නිෂ්පාදනය කරන්න. පැවරුම පුරාවටම, මම ඉල්ලන්නේ නැත, ඔබ නම, හැඳුනුම්පත, දිනය හෝ වෙනත් පුද්ගලිකව හඳුනාගත හැකි තොරතුරු එකතු නොකරනු ඇත. සාමාන්‍ය සායනික සන්දර්භය සමඟ පමණක් වැඩ කරන්න."

දැඩි විමසුමේදී, හඳුනා ගැනීම කිසි විටෙක ලබා නොදේ; ගුණාත්මකභාවය මෙයින් දුක් විඳින්නේ නැත.

පොදු වැරදි

• නම මකා දැමීම සහ සන්දර්භය අමතක කිරීම. හඳුනාගත හැකි තොරතුරු පුද්ගලයෙකුට ලබා දිය හැකිය.
• නොසිතා අනුමත නොකළ/නිදහස් මෙවලමක් භාවිතා කිරීම. පුද්ගලිකත්ව ප්‍රතිපත්තිය සහ ආයතනික අනුමැතිය පළමුව පරීක්ෂා කරනු ලැබේ.
• අනන්‍යතාවය "ගුණාත්මකභාවය සඳහා අවශ්‍ය" යැයි සිතීම. කිසිදු මෙහෙයුමකට පාහේ සැබෑ හැඳුනුම්පත අවශ්‍ය වේ.
• ඉක්මනින් අලවන්න. පිටතට ගිය පසු, දත්ත ලබා ගත නොහැක.
• සැකයෙන් බෙදා ගැනීම. ඔබට විශ්වාස නැත්නම්, දෙන්න එපා; වගකිවයුතු පුද්ගලයාගෙන් විමසන්න.

කාන්දුවක් සිදුවුවහොත්: හානිය සීමා කිරීම

ඉතා සුපරීක්ෂාකාරී හෙද නිලධාරියෙකුට පවා වැරදීමක් සිදු විය හැක: හඳුනාගැනීම් සහිත පෙළ අහම්බෙන් අනුමත නොකළ වාහනයකට ඇලවීම වැනි. එවැනි තත්වයක් තුළ, කලබල වීම හෝ සැඟවීම නරකම ප්රතිචාරයයි. නිවැරදි ප්‍රවේශය වන්නේ හානිය සීමා කිරීමයි: වහාම සිද්ධිය භාර හෙද නිලධාරියාට සහ ඔබේ නියෝජිතායතනයේ දත්ත ආරක්ෂණ/අනුකූලතා ඒකකයට වාර්තා කරන්න, කුමන දත්ත යන්නේ කොතැනටද යන්න සටහන් කර, ඒජන්සියේ සිදුවීම් වාර්තා කිරීමේ ක්‍රියා පටිපාටිය අනුගමනය කරන්න. බොහෝ මෙවලම් වලට අතීත සංවාද මකා දැමීමට හෝ දත්ත භාවිතය අක්‍රිය කිරීමට විකල්පයක් ඇත; මේවා භාවිතා කළ යුතුය. ඉක්මන් සහ අවංක වාර්තා දෙකම රෝගියා ආරක්ෂා කරන අතර වෘත්තීයමය වශයෙන් ඔබව දකුණු පැත්තේ තබා ගනී. පෞද්ගලිකත්වය පිළිබඳ සිදුවීමක් වසන් කිරීම සිද්ධියට වඩා විශාල උල්ලංඝනයකි.

බොහෝ ආයතනවලට එවැනි සිදුවීම් සඳහා වාර්තා කිරීමේ සහ ඇගයීමේ ක්‍රියාවලියක් තිබේ; මෙහි අරමුණ දොස් කීම නොව නැවත ඇතිවීම වැළැක්වීමයි. එබැවින් එය වාර්තා කිරීමට නිදහස් වන්න.

විනිවිදභාවය සහ රෝගියාගේ කැමැත්ත

පුද්ගලිකත්වය යනු දත්ත සැඟවීම පමණක් නොවේ, එය රෝගියා සමඟ අවංක වීමයි. රෝගියාට තම තොරතුරු භාවිතා කරන ආකාරය දැන ගැනීමට අයිතියක් ඇත. සත්කාර ක්‍රියාවලියේදී AI මෙවලම් භාවිතා කරන විට, ආයතනික ප්‍රතිපත්ති රාමුව තුළ විනිවිදභාවය සහ රෝගියාගේ අයිතිවාසිකම් අත්‍යවශ්‍ය වේ: රෝගියාගේ දත්තවලට අදාළ ගනුදෙනු ආයතනයේ හෙළිදරව් කිරීම් සහ කැමැත්ත ප්‍රකාශ කිරීමේ ක්‍රියාවලීන්ට අනුකූලව සිදු කළ යුතුය. හෙදියක් ලෙස, මෙවලමක් තුළ රෝගියෙකුගේ දත්ත සැකසීමේදී හොඳ මාලිමා යන්ත්‍රයක් වන්නේ "මෙය රෝගියා මා කෙරෙහි තබා ඇති විශ්වාසයට අනුකූලද?" රෝගියෙකුට ක්‍රියා පටිපාටියක් පැහැදිලිව පැහැදිලි කිරීම ඔබට අපහසු නම්, ඔබ එය නොකළ යුතුය. පුද්ගලිකත්වය යනු තාක්ෂණික රීතියක් වීමට පෙර විශ්වාසයේ සම්බන්ධතාවයකි; තාක්‍ෂණය කළ යුත්තේ මෙම සබඳතාව ශක්තිමත් කිරීම මිස එය දුර්වල කිරීම නොවේ.

ඉඟිය: හඳුනාගැනීම පුරුද්දක් කර ගැනීමේ ප්‍රායෝගික ක්‍රමයක් නම්, රෝගියාගේ දත්ත සමඟ වැඩ කිරීමට පෙර ඔබගෙන්ම නිරන්තර ප්‍රශ්නයක් ඇසීමයි: “මෙම පාඨය අහම්බෙන් ආයතනයෙන් පිටතට ගියහොත්, මෙම පුද්ගලයා කවුදැයි යමෙකුට පැවසිය හැකිද?” පිළිතුර "සමහර විට" වුවද, සන්දර්භය තවදුරටත් සාමාන්‍යකරණය කරන්න. තවත් වැදගත් රීතියක් වන්නේ දත්ත ප්‍රමාණය නිරන්තරයෙන් සීමා කිරීමයි: කාර්යය සඳහා අවශ්‍ය අවම තොරතුරු AI වෙත ලබා දෙන්න, අමතර විස්තර එකතු නොකරන්න "හරියට." ලබා දී ඇති ඕනෑම අමතර තොරතුරක් අනවශ්‍ය මෙන්ම අවදානම් සහගත වේ. පෞද්ගලිකත්වය යනු එක් වරක් පරීක්ෂා කිරීමක් නොව, සෑම යතුරු පහරක් සමඟම අදාළ වන විනයකි; මෙම විනය කාලයත් සමඟ ප්‍රත්‍යාවර්තයක් බවට පත් වන අතර ඔබ සහ රෝගියා යන දෙකම ආරක්ෂා කරයි.

සාරාංශයක් ලෙස

රෝගියාගේ දත්ත විශේෂ පුද්ගලික දත්ත වන අතර රෝගියාගේ විශ්වාසයේ පදනම වේ. කෘතිම බුද්ධි මෙවලම් මෙම දත්ත සංවිධානයෙන් පිටතට ගෙන යාමේ අවදානම දරයි. එක් එක් භාවිතයට පෙර දත්ත හඳුනා නොගැනීම, සන්දර්භය පුද්ගලයාට ලබා නොදෙන බව සහතික කිරීම, පුහුණුවේදී දත්ත භාවිතා නොකරන ආයතන අනුමත මෙවලමක් තෝරා ගැනීම සහ අවම දත්ත සමඟ පමණක් වැඩ කිරීම. පෞද්ගලිකත්වය ආක්‍රමණය ආපසු හැරවිය නොහැකි ය; සැකයෙන් බෙදා නොගන්න. ඕනෑම කාර්යයක් සඳහා පාහේ හඳුනාගැනීම අවශ්ය නොවේ.

යෙදුම් කාර්යය

ඔබේම සේවාවෙන් සැබෑ කරුණු පත්‍රිකාවක් ලබා ගන්න. ඔහු/ඇය හඳුනාගැනීම ඉවත් කරන්න: නම, හැඳුනුම්පත, දිනය, ලිපිනය සහ හඳුනාගත හැකි තොරතුරු පැහැදිලි කරන්න, පසුව සන්දර්භය තවමත් පුද්ගලයා ලබා දෙන්නේ දැයි පරීක්ෂා කරන්න. ඉන්පසු, ඔබ භාවිතා කරන කෘතිම බුද්ධි මෙවලමක රහස්‍යතා ප්‍රතිපත්තිය විවෘත කර එය අධ්‍යාපනයේ දත්ත භාවිතා කරන්නේද සහ එයට ආයතනික අනුමැතිය තිබේද යන්න සටහන් කරන්න. ඔබ පෞද්ගලිකත්ව අවදානමක් සොයා ගන්නේ නම්, එය ලියන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම කාර්යය සඳහා අවම දත්ත සකස් කළෙමි.
• [ ] මම නම, හැඳුනුම්පත, දිනය, ලිපිනය සහ හඳුනාගැනීම් ඉවත් කළෙමි.
• [ ] ඉතිරි සන්දර්භය පුද්ගලයා ලබා නොදෙන බව මම පරීක්ෂා කර ඇත.
• [ ] මම පුහුණු කිරීමේදී භාවිතා නොකරන ආයතන අනුමත මෙවලමක් තෝරා ගත්තෙමි.
• [ ] මම අවම අවශ්‍ය දත්ත සමඟ පමණක් වැඩ කළෙමි.
• [ ] මම මෙවලමෙහි රහස්‍යතා ප්‍රතිපත්තිය පරීක්ෂා කළෙමි.
• [ ] මට සැකයක් ඇති වූ විට, මම එය බෙදා නොගෙන වගකිව යුතු පුද්ගලයාගෙන් උපදෙස් ලබා ගත්තෙමි.