Faida:
- Kuelewa kwa nini data ya kijeni ni kategoria maalum ya data ya kibinafsi na hatari ya kutambuliwa upya
- Uwezo wa kutumia kanuni za kutokutambulisha, ridhaa na kupunguza data kabla ya kutoa data ya mgonjwa ili kufungua zana za kijasusi za bandia.
- Uwezo wa kukumbatia mipaka ya usindikaji wa data kijenetiki na wajibu wa kitaalamu wa kimaadili ndani ya mifumo kama vile KVKK/GDPR
Data ya maumbile si data ya kibinafsi ya kawaida. Mlolongo wa DNA wa mtu; Inakutambulisha kwa namna ya kipekee, haiwezi kubadilishwa (unaweza kubadilisha nenosiri lako lakini si jenomu yako), inaweza kufichua hatari za magonjwa za siku zijazo, na haihusu tu mtu binafsi bali wanafamilia wote wanaohusiana na damu. Kwa hiyo, matumizi ya akili ya bandia (AI) wakati wa kufanya kazi na data ya maumbile inahitaji kiwango cha juu cha usiri na maadili. Katika kitengo hiki, utajifunza kwa nini data ya kijeni lazima ilindwe hasa, ambayo makosa yana madhara makubwa wakati wa kutumia zana za AI, na nidhamu ya kazi salama.
Kanuni muhimu: Usiwahi kubandika data ya kinasaba ya mgonjwa inayotambulika kwenye zana inayopatikana kwa umma ya AI. Huduma nyingi za madhumuni ya jumla za AI zinaweza kuchakata data unayoingiza, kuihifadhi, au kuitumia kuboresha muundo. Wakati mchanganyiko wa lahaja adimu wa mgonjwa, jina, nambari ya kitambulisho au tarehe ya kuzaliwa imeingizwa kwenye zana, ukiukaji wa faragha usioweza kutenduliwa unaweza kutokea.
Vipengele vitano vinavyofanya data ya kijeni kuwa maalum
- Invariance: Jenomu ni sawa katika maisha; ikiwa imefichuliwa, haiwezi "kughairiwa".
- Utambulisho: Hata idadi ndogo ya vibadala adimu vinaweza kumtambulisha mtu kwa njia ya kipekee; Data inayofikiriwa kuwa "isiyojulikana" inaweza kutambuliwa tena.
- Ukubwa wa familia: Jenomu ya mtu pia ina taarifa za kinasaba za jamaa zao; habari inaweza kufichuliwa bila ridhaa yao.
- Utabiri: Inaweza kuonyesha hatari ya ugonjwa wa siku zijazo; Bima inaweza kuwa sababu ya ubaguzi wa ajira.
- Hatari ya kutambua upya: Data ya jeni inaweza kuunganishwa na utambulisho kwa kuvuka na hifadhidata nyingine.
Mfumo wa kisheria: muhtasari mfupi
Data ya maumbile iko katika aina ya data maalum (nyeti) ya kibinafsi katika sheria ya ulinzi wa data na inalindwa kwa ukali zaidi. Nchini Türkiye, KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi) inachukulia data ya afya na jenetiki kama data maalum na, kama sheria, hufunga uchakataji wake kwa idhini ya wazi au vighairi maalum. Huko Ulaya, GDPR vile vile hulinda data ya kijeni kama kategoria maalum. Nchini Marekani, sheria ya GINA inakataza ubaguzi wa bima na ajira kulingana na taarifa za kijeni. Ingawa maelezo yanatofautiana kulingana na nchi, kanuni ya kawaida ni sawa: data ya kijeni haiwezi kuchakatwa bila idhini ya wazi, kizuizi cha madhumuni na ulinzi mkali.
Kidokezo: Unapopata kibali cha kupima vinasaba kutoka kwa mgonjwa, ufumbuzi unaweza kujumuisha jinsi data itakavyochakatwa na zana za AI. "Kwa zana zipi na wapi tunachakata data yako kwa uchambuzi?" Kuwa katika nafasi ya kujibu swali kwa uwazi.
Hatua kwa hatua: kutumia AI salama na data ya siri ya maumbile
1. Kuainisha. Je, data uliyo nayo inaweza kutambuliwa? Je, ina mchanganyiko wa jina, nambari ya kitambulisho, tarehe, lahaja adimu?
2. Usijulishe au usihamishe hata kidogo. Ondoa vitambulisho vya moja kwa moja; Lakini kumbuka, "kutokujulikana" katika data ya kijeni haitoi uhakikisho kamili. Ni salama kabisa kutoanzisha data inayoweza kumtambulisha mtu binafsi kwenye gari lililo wazi hata kidogo.
3. Soma sera ya data ya chombo. Chagua zana ambazo ni za shirika, zilizo na makubaliano ya kuchakata data (DPA), ahidi kutotumia data katika elimu, na ikiwezekana kufanya kazi ndani ya nchi/kwa ukaribu.
4. Tenganisha maswali ya dhana kutoka kwa data. "Jinsi ya kuomba ACMG PM2?" Unaweza kuuliza maswali ya dhana ya AI kama vile; Hakuna data ya mgonjwa inahitajika kwa hili. Tumia data inapohitajika tu na kwa njia isiyojulikana.
5. Hifadhi ufuatiliaji. Hati ni data gani unachakata, ukitumia zana gani, na kwa madhumuni gani; Ukaguzi ni hitaji la kimaadili na kisheria.
kesi tatu ndogo
Kesi ya 1 - Ripoti iliyobandikwa. Kwa kasi, msaidizi alibandika ripoti iliyo na jina kamili la mgonjwa na orodha ya kibadala kwenye gumzo la jumla la AI na kusema "fanya muhtasari." Mtaalamu mkuu alitambua hili: jina na lahaja adimu kwa pamoja walimtambua mgonjwa, na chombo kilihifadhi data. Tukio hilo lilihitaji arifa ya uvunjaji wa faragha. Somo: hakuna data ya utambuzi inayohamishwa, hata kwa muhtasari.
Kesi 2 - Idhini ya familia. Wakati akitumia data ya mgonjwa, mtafiti aliiambia AI kwamba lahaja hiyo pia ilipatikana kwa kaka yake. Walakini, kaka hakukubali usindikaji wa data yake. Kipengele cha familia cha data ya kijeni pia kilileta ufaragha wa mtu wa tatu katika swali; Mpelelezi alitoa habari kuhusu ndugu huyo.
Kesi ya 3 - Uthibitisho umepata. Maabara moja ilitekeleza "orodha ya kukagua ya kutokutambulisha" kabla ya uchanganuzi. Walitoa majina, nambari za kitambulisho na tarehe kabla ya kuwapa AI; Zaidi ya hayo, waligundua kuwa mchanganyiko adimu sana wa vibadala pekee ungeweza kubainisha utambulisho na hawakuripoti sampuli hiyo hata kidogo. Bila orodha hakiki, data inayodhaniwa kuwa "isiyojulikana" ingeweza kutambuliwa tena.
Violezo vinne vinavyoweza kunakiliwa
1) Udhibiti wa kutokutambulisha:
Kabla ya kulisha maandishi haya kwa zana ya AI, orodhesha vipengele VYOTE ndani yake (jina, nambari ya kitambulisho, tarehe, anwani, mchanganyiko wa kawaida wa lahaja, phenotype adimu) ambayo inaweza kumtambua mgonjwa au jamaa zao. Kwa kila moja, pendekeza "acha" au "usihamishe sampuli hata kidogo": [maandishi].
2) Swali la dhana (bila data):
BILA kushiriki data ya mgonjwa, jibu swali hili la dhana: [swali la ACMG/mbinu].Tumia mifano ya kawaida; Sitaki habari za kweli za mgonjwa.
3) Udhibiti wa idhini na uwazi:
Nisaidie kuandaa maandishi ya habari/ridhaa kwa ajili ya majaribio ya vinasaba. Inapaswa kujumuisha: kwa madhumuni gani data itachakatwa, na aina gani za zana itachanganuliwa, jinsi matokeo yanayohusu wanafamilia yatakavyoshughulikiwa, kuhifadhi na kufuta. Rejelea kitengo cha sheria/maadili kwa uamuzi wa kisheria.
4) Vigezo vya uteuzi wa gari:
Je, ni vigezo gani vya faragha (makubaliano ya usindikaji wa data, ahadi ya kutotumia katika elimu, uendeshaji wa ndani, udhibiti wa ufikiaji, kufuta) ninapaswa kuuliza ninapochagua AI/ zana ya uchanganuzi ambayo itachakata data nyeti ya kijeni? Orodha ya ukaguzi wa tathmini imeundwa.
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Toa maoni ya Ahmet Yılmaz (TC: ...) tokeo la BRCA1: [orodha kamili ya lahaja]."
Tatizo: Kitambulisho cha moja kwa moja + data ya maumbile huenda kwenye chombo wazi; ukiukaji mkubwa wa usiri.
Güçlü: "Bila kutambua mtu yeyote, eleza kwa kutumia mfano wa jumla jinsi lahaja ya fremu katika BRCA1 inavyotathminiwa katika ACMG. Sishiriki data halisi ya mgonjwa."
Kwa nini ina nguvu: Haja ya kujifunza/kutathmini inatimizwa, lakini hakuna data ya utambuzi inayohamishwa.
Aina ya data
Je, inaingia kwenye chombo cha AI wazi?
mbadala
Jina la mgonjwa/nambari ya kitambulisho
kamwe
Hakuna uhamisho
Lahaja adimu + historia
Kamwe (inabainisha)
Hamisha sampuli
swali la dhana
Ndiyo
Mfano wa jumla
Mtu asiyejulikana, mfano wa kawaida
makini
Zana ya biashara/ndani
Takwimu zilizojumlishwa, zisizojulikana
kulingana na hali
Gari yenye DPA
Makosa ya kawaida
- Inabandika data ya kutambua kama "ya muhtasari pekee". Chochote madhumuni, ni ukiukaji.
- Kukosea "kutokutambulisha" kwa data ya kijeni kama usalama kamili. Utambulisho upya unawezekana.
- Kusahau kipengele cha familia. Data ya mtu pia inaonyesha jamaa zao.
- Kutosoma sera ya data ya gari. Data inaweza kutumika au kuhifadhiwa katika mafunzo.
- Kutotunza rekodi. Ikiwa hakuna udhibiti, uwajibikaji hauwezi kuonyeshwa.
Tahadhari: Mara nyingi, ukiukaji wa faragha hautokei kwa nia mbaya, lakini kutoka kwa reflex ya "ipate haraka". Hatari kubwa ni kubandika ripoti bila akili kwenye dirisha la gumzo katika mtiririko wa kawaida wa kazi. Punguza polepole; Hakuna kitufe cha kutendua kwenye data ya kijeni.
Kina: hisabati halisi ya utambulisho upya na usanifu salama
Kwa nini ni vibaya kufikiria "Nilifuta jina, sasa halijulikani"? Kwa sababu hakuna haja ya jina kumtambulisha mtu; Mchanganyiko wa vipengele vya nadra ni vya kutosha. Kulingana na matokeo ya awali, idadi ya watu watatu wa tarehe ya kuzaliwa + jinsia + msimbo wa zip inaweza kutofautisha idadi kubwa ya watu wa Marekani. Katika genetics, hali ni kali zaidi: mchanganyiko wa anuwai kadhaa adimu (kila moja ikitokea hata moja kati ya elfu katika idadi ya watu, pamoja chini ya moja kati ya milioni) inaelekeza kwa mtu mmoja. Zaidi ya hayo, data ya kinasaba inaweza kuunganishwa na hifadhidata za ukoo ili kuunganisha mtu binafsi na utambulisho wa jamaa hata kama mtu huyo hajatoa data yoyote mahali pengine popote - aina halisi ya shambulio ambalo limeonyeshwa katika fasihi.
Kwa hivyo uhifadhi unahitaji maamuzi ya usanifu ambayo huenda zaidi ya "futa vitambulisho" reflex. Chaguzi za vitendo: kutumia mifano ya ndani/iliyopangishwa binafsi ili usiwahi kuacha data nje ya mipaka ya taasisi; ikiwa wingu litatumika, chagua viwango vya biashara vilivyo na makubaliano ya kuchakata data (DPA) na kujitolea "kutotumia ingizo katika mafunzo"; kufanya kazi na taarifa inayotokana, iliyojumlishwa badala ya data ghafi mahususi ya mgonjwa kila inapowezekana; na kuzuia ufikiaji wa kanuni ya upendeleo mdogo.
Kipochi cha zege: kituo kilifanya muhtasari wa mfululizo wa kesi "usiojulikana" kuwa zana ya jumla ya AI. Hifadhidata haikuwa na majina, lakini kila mgonjwa alikuwa na mchanganyiko wa utambuzi wa nadra + umri + jiji; Ilipovuka na ripoti ya gazeti la ndani, mgonjwa angeweza kutambuliwa. Kutokuwepo kwa vitambulishi ghafi hakujazuia utambulisho upya.
safu ya ulinzi
Nini hutoa
kikomo
Ufutaji wa kitambulisho
Huondoa kitambulisho moja kwa moja
Mchanganyiko adimu unabaki
Mfano wa ndani/mwenyeji binafsi
Takwimu haziondoki kwenye taasisi
Mzigo wa ufungaji / matengenezo
DPA+ haitumiki katika elimu
Uhakikisho wa kisheria/mkataba
Inahitajika kusoma sera
Kujumlisha/kutoka
Hupunguza kovu ya mtu binafsi
Inazuia kina cha uchambuzi
Kwa muhtasari
- Data ya kijenetiki ni data maalum, isiyobadilika, inayotambulisha na inayohusiana na familia; inahitaji ulinzi wa hali ya juu.
- Data ya kinasaba ya mgonjwa inayotambulika haiingizwi kwenye zana wazi za AI; maswali ya dhana yametenganishwa na data.
- Mifumo kama vile KVKK, GDPR, GINA inahitaji idhini iliyo wazi, mipaka ya madhumuni na ulinzi thabiti.
- Kuficha utambulisho sio uhakikisho kamili; Jambo salama zaidi sio kuhamisha data muhimu hata kidogo.
Jukumu la maombi
Pokea sampuli (ya kubuni) ripoti ya maumbile. Kwa kutumia kiolezo cha 1, orodhesha vipengele vyote vya utambuzi ndani yake na uamue kama "utaacha" au "usihamishe" kwa kila moja. Kisha uandike upya swali lile lile la kimatibabu bila data yoyote ya kutambua (kwa kutumia mantiki ya kiolezo 2). Eleza tofauti ya faragha kati ya matoleo mawili katika sentensi moja.
orodha ya ukaguzi
- [ ] Niliainisha data kulingana na utambulisho.
- [ ] Sikuanzisha data inayoweza kumtambulisha mtu binafsi kwenye zana iliyo wazi.
- [ ] Niliona kuwa mchanganyiko wa vibadala adimu vinaweza kutambuliwa.
- [ ] Niliangalia sera ya data ya zana (uhifadhi, mafunzo, DPA).
- [ ] Nilizingatia kipengele cha familia na idhini ya mtu wa tatu.
- [ ] Nilirekodi njia ya muamala na kuisambaza kwa kitengo cha maadili/kisheria inapohitajika.