Fitimet:
- Aftësia për të njohur informacionin e integruar të identifikimit (titullin dhe të dhënat e djegura) në imazhet DICOM dhe zbatimin e rregullave të anonimizimit dhe ndarjes së sigurt
- Aftësia për të vlerësuar në mënyrë kritike vlefshmërinë, nivelin e provave, miratimin rregullator (CE/rregullorja) dhe vlefshmërinë lokale të një modeli AI
- Aftësia për të adresuar çështje etike si paragjykimi algoritmik, pëlqimi i pacientit, përgjegjësia dhe transparenca në kontekstin e imazhit
Të dhënat radiologjike janë një nga llojet më të ndjeshme të të dhënave personale. Një imazh përcjell jo vetëm një sëmundje, por sëmundjen e kujt është; një MRI e trurit mund të identifikojë një person përmes rindërtimit të fytyrës, një skedar DICOM ruan emrin e pacientit, numrin e identifikimit dhe datën e lindjes në kokën e tij. Në epokën e inteligjencës artificiale, është e lehtë t'i ngarkosh këto të dhëna në një mjet, t'i ndash ato ose t'i përdorësh për të trajnuar një model - dhe është pikërisht kjo lehtësi që krijon rrezikun më të madh të privatësisë. Në këtë njësi, ne do të diskutojmë anonimizimin DICOM, KVKK/privatësinë, vlefshmërinë e modelit dhe çështjet e etikës nga fundi në fund.
Parimi kryesor: Imazhet dhe raportet radiologjike janë të dhëna personale të veçanta. Të dhënat e identitetit në kokën DICOM dhe të ngulitura në imazh nuk hyjnë në asnjë mjet të jashtëm pa u anonimizuar. Besueshmëria e një modeli; Vleresimi vlerësohet nga niveli i provave, miratimi rregullator dhe verifikimi lokal. Përgjegjësia, nënshkrimi dhe vendimi përfundimtar i takon gjithmonë radiologut.
DICOM mbart identitetin në dy shtresa
Të dhënat radiologjike, ndryshe nga të dhënat e tjera shëndetësore, e bartin identitetin në dy shtresa të veçanta dhe anonimizimi është i paplotë pa i pastruar të dyja.
1. Kreu DICOM: Fushat e strukturuara në fillim të skedarit të imazhit - emri i pacientit, numri i identifikimit/protokollit, data e lindjes, gjinia, institucioni, data e ekzaminimit, pajisja. Këto zona mund të fshihen/maskuar me një mjet, por nëse harrohet imazhi do të vazhdojë të ketë identifikim ndërsa mendohet të jetë "anonim".
2. Të dhënat e djegura: Në disa imazhe—veçanërisht ekografia, kapjet e ekranit me fluoroskopi, skanimet e jashtme—informacioni i pacientit shkruhet direkt në pikselë. Pastrimi i kokës nuk e heq këtë; teksti i ngulitur duhet të maskohet (i mbuluar) ose ajo zonë duhet të pritet.
Për më tepër, rreziku i rindërtimit të fytyrës: fytyra mund të rindërtohet në mënyrë tredimensionale nga CT dhe MRI me rezolucion të lartë të kokës/trurit; Kjo, gjithashtu, është një formë e zbulimit të identitetit dhe, në disa kontekste, kërkon "shpërfytyrim".
shtresë
ku
Si të pastroni
nëse harrohet
Titulli DICOM
Titulli i skedarit
Mjet anonimizimi
ID-ja mbetet e hapur
teksti i ngulitur
intra pixel
Maskim/prerje
Imazhi mbart identitet
të dhënat e fytyrës
Pamje 3D e kokës
zhvlerësues
E dallueshme nga fytyra
Teksti i raportit
RIS/tekst
Heqja e emrit/numrit
Personi është identifikuar
KVKK dhe ndarja e sigurt
Në Türkiye, KVKK (Ligji për Mbrojtjen e të Dhënave Personale) i trajton të dhënat shëndetësore si "të dhëna personale të natyrës së veçantë" në nivelin më të lartë të mbrojtjes; Në Evropë, ekuivalenti i tij është GDPR. Rregullat bazë: përpunoni të dhënat vetëm aq sa është e nevojshme për qëllimin e nevojshëm; de-anonimizim jashtë institucionit; Nëse do ta përdorni në trajnimin model, jepni bazën ligjore dhe pëlqimin e qartë nëse është e nevojshme; Dijeni se ku shkojnë të dhënat tuaja. Ngarkimi i imazheve/raporteve jo anonime në një mjet publik të AI është një shkelje e të dhënave. Mjetet e korporatës që kanë një marrëveshje për përpunimin e të dhënave (DPA), nuk i përdorin të dhënat tuaja në trajnimin e modeleve dhe mundësisht duhet të preferohen të punojnë në shtëpi/lokale.
Kujdes: Të thuash "sapo fshiva mbiemrin" ose "mjeti është tashmë i sigurt" nuk është anonimizim. Asnjë e dhënë nuk shkon jashtë institucionit pa hequr të gjithë emrin, ID-në TR, numrin e protokollit/provimit, datën e lindjes, kontaktin, institucionin dhe të dhënat e identitetit të integruar/titullit. Anonimizimi nuk është një zakon, as një detyrë e njëhershme.
Vërtetimi i modelit: kur t'i besoni një modeli
Nuk mjafton të thuhet se një model “funksionon”; Është e nevojshme të pyesim se si, ku dhe sa funksionon.
- Vlefshmëria dhe niveli i provave: Në cilën popullatë, në sa raste, me çfarë metrike (ndjeshmëri, specifikë, negative false) u testua modeli? A ka prova të publikuara, të pavarura?
- Miratimi rregullator: A miratohet produkti si pajisje mjekësore (p.sh. marka CE, miratimi rregullator përkatës)? Çfarë përdorimi mbulohet nga miratimi?
- Verifikimi lokal: Hapi më kritik. A është testuar modeli në pajisjen tuaj, protokollin tuaj, popullsinë tuaj? Zhvendosja e shpërndarjes (ulja e performancës kur dikush largohet nga kushtet e stërvitjes) nuk shihet pa vërtetimin lokal.
- Gjurmueshmëria: A gjurmohen versioni i modelit, përditësimet dhe ndryshimi i performancës?
Dimensioni etik
Paragjykimi algoritmik: Nëse modeli trajnohet në një popullsi të caktuar, ai mund të performojë më keq në grupe të tjera (moshë, gjini, përkatësi etnike, sëmundje e rrallë) dhe të zmadhojë pabarazinë. Pëlqimi dhe transparenca e pacientit: A duhet që pacienti të dijë se inteligjenca artificiale po përdoret në diagnozën e tij; Si e bën institucioni këtë transparent? Përgjegjësia: Nëse një lexim i ndihmuar nga AI bën një gabim, kush është përgjegjës - përgjigja qëndron tek radiologu që ka nënshkruar; AI nuk merr përsipër përgjegjësinë. Qasje e drejtë: Nëse mjetet e AI janë të disponueshme në disa qendra dhe jo në të tjera, kjo mund të jetë një burim pabarazie.
tre mini kuti
Rasti 1 - Shkelje e tekstit të ngulitur. Një mjek ngarkon një imazh interesant me ultratinguj, pastron kokën e tij dhe e ngarkon atë në një mjet publik të AI. Por në cep të imazhit ka emrin e pacientit dhe numrin e protokollit të gdhendur në piksel; Edhe pse koka ishte e pastër, ajo kishte një ID të ngulitur të postimit. Institucioni ndeshet me një njoftim të KVKK-së. Mënyra e duhur ishte maskimi i zonës së ngulitur dhe ndarja e saj ashtu.
Rasti 2 — Përhapja pa verifikim lokal. Një qendër prezanton në mënyrë rutinore një model të moshës kockore të trajnuar në një popullatë jashtë shtetit pa e vërtetuar atë në grupin e vet të pacientëve. Muaj më vonë, vihet re se modeli është sistematikisht i njëanshëm në popullatat e tij. Nëse do të bëhej verifikimi lokal, kjo do të shihej që në fillim. Mësimi: edhe miratimi rregullator nuk është zëvendësues për verifikimin lokal.
Rasti 3 - Raportoni anonimizimin. Një radiolog dëshiron të diskutojë një rast të vështirë me kolegun e tij përmes një mjeti AI. Ai e rishkruan historinë si "Gruaja 62-vjeçare, histori e njohur e kancerit të gjirit" në vend të "Ayşe Yılmaz, protokolli 2024-114523, kanceri i gjirit"; Ndan imazhin me kokën DICOM të pastruar dhe tekstin e integruar të maskuar. Diskutimi klinik zhvillohet, nuk zbulohen identitete. Anonimizimi i duhur mundësoi përdorimin e sigurt të AI.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Ayşe Yılmaz, TC 123..., protokolli 2024-114523, kanceri i gjirit, interpretoni këtë MRI.
Identiteti ndahet hapur; Kjo është një shkelje e KVKK-së, ajo duhet të kishte ndaluar para se të shkruhej prompti.
Njoftim i fuqishëm:
Roli juaj: asistent i kontrollit të anonimizimit. Hiqni emrin tuaj, TR ID, numrin e protokollit/provimit, datën e lindjes, kontaktin dhe informacionin e institucionit nga teksti më poshtë; zëvendësojeni me "[e hequr]". Lini vetëm informacione anonime klinikisht të nevojshme (grupmosha, gjinia, historia përkatëse). Më kujto gjithashtu: nëse do të ndaj një imazh, më duhet gjithashtu të pastroj kokën dhe tekstin DICOM të ngulitur në imazh dhe të marr parasysh të dhënat e fytyrës në imazhet e kokës/trurit. Teksti: [ngjit tekstin]
Prompt i fuqishëm nxjerr ID-në, kujton të dhënat e integruara/titullin dhe fytyrën.
Modele të shpejtë të kopjueshëm
TABLETI I KONTROLLIT TË ANONIMIZIMIT Roli juaj: asistent anonimizimi. Ekstrakt emrin, numrin TR ID, numrin e protokollit/provimit, datën e lindjes, kontaktin dhe informacionin e institucionit nga teksti; Shkruani "[hequr]". Lini vetëm informacione anonime të kërkuara klinikisht. Më kujto se nëse do të ndaj një imazh, më duhet të pastroj të dhënat e kokës + ngulitjes + të fytyrës. Teksti: [shkruaj]
MODELI I PYETJES SË VLERËSIMIT TË MODELIT Roli juaj: ASISTENT. Unë do të vlerësoj një model AI. Gjeneroni pyetjet që duhet të bëj: çfarë popullsie/llogaritjeje/metrikash, fushëveprimi i miratimit rregullator, është kryer vërtetimi lokal, rreziku i zhvendosjes së shpërndarjes, gjurmimi i versioneve. Vendimi është në dorën e institucionit. Informacioni i modelit: [verë]
TEMPLATEI I KONTROLLOJES SË ETIKËS/ANËSISË do t'ju japë kontekstin e përdorimit të një modeli të AI. Vlerësoni paragjykimet algoritmike (që mund të funksionojnë dobët në grupe), pëlqimin/transparencën e pacientit, përgjegjshmërinë dhe aksesin e drejtë; Shkruani pyetjen që institucioni duhet të bëjë nën çdo titull. Konteksti: [shkruaj]
TEMPLATEI I PRIVATIT TË RRJEDHJES SË TË TË DHËNAVE do t'ju japë një skenar të dërgimit të të dhënave në një mjet AI. Krijoni një listë kontrolli që pyet se ku shkojnë të dhënat, nëse janë të ruajtura, nëse përdoren në trajnimin e modeleve dhe statusin e saj DPA/bazë ligjore. Na kujtoni detyrimin e anonimizimit për automjetet e jashtme. Skenari: [shkruaj]
Gabimet e zakonshme
- Thjesht pastroni kokën dhe harroni tekstin e integruar. Imazhi ende mban identitet.
- Injorimi i të dhënave të fytyrës. Një person mund të njihet nga imazhet 3D të kokës/trurit.
- Zëvendësimi i miratimit rregullator për vlefshmërinë lokale. Pëlqimi tregon fushëveprimin; Nuk garanton performancën në të dhënat tuaja.
- Duke mos pyetur për paragjykimin algoritmik. Modeli mund të funksionojë keq për disa grupe, duke zgjeruar pabarazinë.
- Transferimi i përgjegjësisë tek AI. Nënshkrimi është me radiologun; Përgjegjësia për gabimin është e njerëzve.
Këshillë: Para se të dërgoni ndonjë të dhënë jashtë institucionit, bëni një pyetje: "Nëse këto të dhëna do të zbuloheshin, a mund të identifikohej një pacient?" Nëse përgjigja është "po" ose "jo e sigurt", të dhënat nuk janë ende anonime - mos i dërgoni.
Në përmbledhje
Imazhet dhe raportet radiologjike janë të dhëna personale të veçanta dhe kërkojnë mbrojtjen më të lartë brenda fushës së KVKK/GDPR. Të dhënat DICOM mbartin identitetin në dy shtresa - kokën dhe tekstin e ngulitur në imazh - dhe asnjë e dhënë nuk largohet nga ndërmarrja pa u pastruar të dyja, si dhe të dhënat e fytyrës nëse është e nevojshme. Për t'i besuar një modeli, vlerësohen vlefshmëria e tij, niveli i provave, miratimi rregullator dhe vlefshmëria lokale, veçanërisht në pajisjen/popullsinë tuaj; Miratimi rregullator nuk është një zëvendësim për verifikimin lokal. Në dimensionin etik, paragjykimi algoritmik, pëlqimi i pacientit, transparenca, aksesi i drejtë dhe përgjegjësia vihen në pikëpyetje. Në të gjitha rastet nënshkrimi, përgjegjësia dhe vendimi përfundimtar i takojnë radiologut.
Detyra e aplikimit
Krijoni një tekst fakti dhe një skenar për ndarjen e imazheve. Anonimizo tekstin me shabllonin "Kontrolli i anonimizimit" dhe hapat e kontrollit të kokës së listës/teksti i integruar/të dhënat e fytyrës. Më pas vlerësoni një model që po përdorni (ose po shqyrtoni) me shabllonin “Model Validation Query”: popullsia, shtrirja e vlefshmërisë, statusi i vlefshmërisë lokale. Së fundi, me shabllonin “Etika/Kontrolli i paragjykimeve”, shkruani në cilat grupe ky model mund të funksionojë keq dhe pyetjet e transparencës/përgjegjshmërisë.
listë kontrolli
- [ ] Kam pastruar fushat e ID-së në kokën e DICOM.
- [ ] Kam maskuar/prerë tekstin e djegur në imazh.
- [ ] Kam vlerësuar rrezikun e të dhënave të fytyrës në imazhet e kokës/trurit.
- [ ] Kam anonimizuar tekstin e raportit/historisë (emri, ID, protokolli, data e lindjes).
- [ ] Kam vënë në pikëpyetje rrjedhën e të dhënave dhe DPA/bazën ligjore për mjetin e jashtëm.
- [ ] Kontrollova vlefshmërinë lokale dhe shtrirjen e vlefshmërisë së modelit.
- [ ] Kam vlerësuar paragjykimin algoritmik, transparencën dhe llogaridhënien; Unë kam firmën.