Vinster:
- Förmåga att särskilja de uppgifter som gör den gravida kvinnan direkt eller indirekt identifierbar och avidentifiera den innan den ges till artificiell intelligens
- Förmåga att tillämpa dataminimering och få för vana att endast använda institutionsgodkända verktyg inom ramen för KVKK
- "Kan den här personen hittas från den här texten?" Förmåga att hantera risken för omidentifikation genom att tillämpa testet
Barnmorska är ett yrke som berör människors mest privata information: hur en graviditet uppstår, tidigare graviditeter, missfall, förluster, relationer, psykiskt tillstånd, sexuell hälsa. När denna information hamnar i orätta händer orsakar den oåterkallelig skada - en inhemsk kris, ett socialt stigma, en förlust av förtroende. Därför är sekretess inte en "tilläggsregel" inom barnmorska, utan grunden för yrket. När du väl introducerar AI i ditt företag öppnar sig en ny gräns för integritet: allt du skriver i en chattassistent kan vara utom din kontroll. Den här enheten lär dig helt och hållet hur du skyddar graviddata när du använder AI — särskilt inom ramen för KVKK (Personal Data Protection Law; lagen som reglerar behandlingen av personuppgifter i Türkiye).
Grundprincipen är i en mening: All information som gör en gravid kvinna igenkännbar ska aldrig komma in i ett verktyg för artificiell intelligens. Att lära sig denna regel har företräde framför alla andra färdigheter i modulen; För en gång läckt data kan inte hämtas.
Observera: Texten du skriver i ett AI-verktyg går till den tjänstens servrar; kan lagras, bearbetas och i vissa fall användas för modellträning. Att säga "Jag ville bara ha en sammanfattning" returnerar inte data. Det enda säkra sättet är att aldrig skriva in inloggningsuppgifterna i första hand.
Vad är personuppgifter, vilken information gör dem identifierbara?
Personuppgifter är all information som gör en person direkt eller indirekt identifierbar. Inom barnmorskan är dessa särskilt i den särskilda kategorin (som t.ex. hälsouppgifter som får högsta skydd i lagen). Tänk på informationen som ger erkännande i två grupper:
Direkta identifierare: Namn-efternamn, TR ID-nummer, fil-/protokollnummer, telefon, adress, e-post, födelsedatum, konto i sociala medier, foto.
Indirekta deskriptorer (kombinerade för att göra det igenkännbart): "Den enda trillinggraviditeten i det kvarteret", "den enda 44-åringen på anstalten med sin första graviditet", en sällsynt sjukdom + en liten bosättning, arbetsplats + graviditetsålder. Några detaljer som verkar oskyldiga i sig kan peka på en person när de sammanförs. Detta kallas återidentifieringsrisk.
Avidentifiering är processen att ta bort dessa identifierare från texten. En välgjord avidentifiering rensar både direkta och indirekta identifierare.
Steg för steg: Avidentifiering innan data ges till AI
- Ta bort direkta identifierare: Namn, ID, telefonnummer, filnummer, adress, datum – ta bort dem alla. Ersätt det med generaliseringar som "Gravid A", "runt 38 års ålder", "andra trimestern".
- Oskärpa indirekta ledtrådar: Förvandla exakt ålder till intervall (t.ex. "tidigt 40-tal"), exakt plats till region, sällsynta kombinationer till allmän.
- Släng onödiga detaljer: Ge minsta möjliga information som behövs för att AI ska göra sitt jobb (dataminimering). En gravid kvinnas historia krävs inte för att skriva ett amningskort.
- Kontrollera institutionspolicy: Vissa institutioner definierar godkända/institutionella AI-verktyg; kan förbjuda inmatning av patientdata i personliga/fria verktyg. Följ din institutions regel.
- Slutläsning: Innan du skickar uppmaningen "kan den här personen hittas från denna text?" Läs den en gång till.
Det svåraste av dessa fem steg är det andra – att sudda ut indirekta ledtrådar – eftersom det är lätt att ta bort direkta identifierare och kommer att tänka på först, men det mesta av erkännandet kommer faktiskt från kombinationen av indirekta detaljer. Kombinationen av ett yrke, en ålder, en bostadsort och ett sällsynt tillstånd kan reducera en person till en enda person, även om inget namn nämns. Därför bör avidentifikation inte ses som att "radera namn" utan som "att se till att ingen som läser denna text kan gissa personen." Denna mentala ram minskar radikalt risken för omidentifikation.
Tips: Ett bra test: Om du visar den avidentifierade texten för en kollega som känner den där gravida kvinnan, skulle hon säga "det här är si och så"? Om han kan säga det betyder det att du inte har avidentifierat honom tillräckligt.
tre minifodral
Fall 1 – Indirekt igenkänning: När en barnmorska bad AI om en sammanfattning av historien utelämnade en barnmorska legitimationen men lämnade frasen "den enda quadruplet graviditeten i vår stad." Denna enda mening pekar direkt på personen på det lilla stället. Hans kollega märker och varnar; Barnmorskan generaliserar uttrycket som "flergraviditet". Lärdom: indirekta identifierare är lika farliga som direkta identifierare.
Fall 2 – Dataminimering: En andra barnmorska klistrar in hela den gravida kvinnans fil i AI i stället för att bara skriva ut en broschyr om "graviditetsnäring". Det står: inga personuppgifter krävs för broschyren. Han tar broschyren utan att lämna över filen, bara skriva ämnet. Den säkraste datan är data som aldrig delas.
Fall 3 – Fel verktyg: I det tredje exemplet är en barnmorska på väg att skriva patientinformation i en slumpmässig applikation på sin personliga telefon när hon kommer ihåg institutionens policy: patientdata kan endast behandlas avidentifierade och med hjälp av institutionsgodkända verktyg. Använder inte den personliga appen. En dataläcka uppstår ofta från ett sådant ögonblick av "bekvämlighet" och inte från ett tekniskt fel.
Kopierbara mallar
Roll: Du är avidentifikationskontrollassistenten.Uppgift: Markera varje uttryck i texten nedan som DIREKT eller INDIREKT kan identifiera en person:- Direkt: namn, ID, telefon, adress, filnummer, exakt datum, foto.- Indirekt: sällsynt kombination, liten plats + speciell situation, exakt ålder, arbetsplats, unik/unik kvalitet.Föreslå en säkrare [text]GENERALISERING:.
Roll: Du är en dataminimeringskonsult. Uppgift: Jag vill göra det här jobbet: [jobb]. Vilken är den minsta information jag MÅSTE ge DIG för att göra detta? Markera onödig patientinformation som "[GEREJ INTE]".
Roll: Du är den säkra sammanfattningsassistenten. Uppgift: Sammanfatta den DIDIDENTIFIERADE berättelsen nedan. Om du ser identifieringsuppgifter i texten, sammanfatta inte; skriv istället "Jag har upptäckt referenser, rensa och skicka igen." Story: [story]
Checklista för påminnelse om institutionell policy (fråga dig själv):- Är det här verktyget godkänt av min institution?- Finns det någon personligt identifierbar information i uppgifterna jag angett?- Behövs denna information verkligen för det här jobbet?- Kan någon jag känner hitta personen om de läser texten?- Kommer jag att lägga till identifieringsinformation när jag sparar utdata?
Svag prompt / Stark prompt
Svag: "Ayşe Y., 39, tredje graviditeten, på följande sjukhus, filnummer 4412; sammanfatta hennes historia."
Denna prompt är full av direkta identifierare; Privat data läckte ut så fort den skickades.
Stark:
Roll: säker sammanfattningsassistent. Sammanfatta följande anonyma historia. "Gravid A, sent 30-tal, tredje graviditeten, [relaterade medicinska uppgifter anonyma]." Om du ser identifierande information i texten, sammanfatta inte, varna.
Skillnad: Det finns inga direkta/indirekta identifierare i den starka versionen; det är bara det identitetslösa sammanhanget som behövs för att göra jobbet. Säkerheten startar innan uppmaningen skrivs.
Vad man ska dela och vad man inte ska dela
Informationstyp
Faller det in i AI?
alternativ
Namn, TR ID, telefon, adress, filnummer
aldrig
"Gravid A"
Exakt ålder/exakt datum
nej
Åldersintervall/trimester
Sällsynt + liten plats kombination
nej
generalisera
Allmän medicinsk kontext (anonym)
Ja, om det behövs
Använd dataminimering
Foto/bild
Nej (ansikte/tecken)
inte nödvändigt
Fordonet är inte godkänt av institutionen
Inga patientdata
Godkänt fordon
Vanliga misstag
- Bara att ta bort namnet och lämna indirekta ledtrådar: Risken för omidentifikation kvarstår.
- Klistra in hela filen för "bekvämlighet": bryter mot principen om dataminimering.
- Inmatning av patientdata i personliga/ej godkända enheter: Det kan strida mot institutionell policy och KVKK.
- Dela ett foto/skärmdump: Ansiktet, namnet och filnumret i bilden kan förbli konfidentiella.
- Lägga till ett ID medan du sparar utdata: Att lägga till ett ID till utdata som kommer utan ID tar tillbaka risken.
- Förutsatt att "det raderas ändå": Du vet inte vad data är; Den enda garantin är att inte skicka något alls.
Sammanfattningsvis
När man använder artificiell intelligens är integritet en förutsättning, inte en teknikalitet. All information som gör en gravid kvinna direkt (namn, ID, telefon) eller indirekt (sällsynt kombination + liten plats) igenkännbar ska inte komma in i ett AI-verktyg. Träna på dataminimering – tillhandahåll den minsta information som behövs för att utföra jobbet – och använd endast verktyg som godkänts av din organisation. Utan att skicka uppmaningen "kan den här personen hittas från denna text?" gör testet. När den väl har läckt kan data inte hämtas; Därför startar säkerheten innan prompten skrivs.
Applikationsuppgift
Ta en riktig graviditetshistorik (på papper) och rensa texten steg för steg med avidentifieringsmallen: först direkta, sedan indirekta identifierare. Visa den rensade texten för en kollega och fråga "vem kan det här vara?" be; Om du kan känna igen det, generalisera det ytterligare. Hitta även din egen institutions AI/datapolicy, sammanfatta den i en mening och notera vilka verktyg som är godkända.
checklista
- [ ] Jag tog bort alla direkta identifierare (namn, ID, telefon, adress, filnummer).
- [ ] Jag generaliserade indirekta deskriptorer (sällsynt kombination, liten plats, exakt ålder).
- [ ] Jag har endast tillhandahållit den minsta information som behövs för att utföra jobbet.
- [ ] Jag använde bara ett verktyg som godkänts av min institution.
- [ ] "Kan den här personen hittas från denna text?" Jag gjorde testet.
- [ ] Jag har inte lagt till några referenser till utdata efteråt.