Faida:
- Uwezo wa kutambua taarifa ya kitambulisho iliyopachikwa (kichwa na data iliyochomwa) katika picha za DICOM na kutumia kutokutambulisha na sheria za kushiriki salama.
- Uwezo wa kutathmini kwa kina uthibitisho, kiwango cha ushahidi, idhini ya udhibiti (CE/kanuni) na uthibitisho wa ndani wa mfano wa AI.
- Uwezo wa kushughulikia masuala ya kimaadili kama vile upendeleo wa algorithmic, ridhaa ya mgonjwa, uwajibikaji na uwazi katika muktadha wa taswira.
Data ya radiolojia ni mojawapo ya aina nyeti zaidi za data ya kibinafsi. Picha haitoi ugonjwa tu, bali ni ugonjwa gani; MRI ya ubongo inaweza kumtambua mtu kupitia urekebishaji wa uso, faili ya DICOM huhifadhi jina la mgonjwa, nambari ya kitambulisho, na tarehe ya kuzaliwa kwenye kichwa chake. Katika umri wa akili bandia, ni rahisi kupakia data hii kwenye zana, kuishiriki, au kuitumia kutoa mafunzo kwa modeli - na ni urahisi huu pekee unaoleta hatari kubwa zaidi ya faragha. Katika kitengo hiki, tutajadili kutokutambulisha kwa DICOM, KVKK/faragha, uthibitishaji wa muundo na masuala ya maadili mwisho hadi mwisho.
Kanuni kuu: Picha na ripoti za radiolojia ni data maalum ya kibinafsi. Data ya utambulisho katika kichwa cha DICOM na iliyopachikwa kwenye picha haiingii zana yoyote ya nje bila kufichuliwa. Kuegemea kwa mfano; Uthibitishaji unatathminiwa na kiwango cha ushahidi, idhini ya udhibiti na uthibitishaji wa ndani. Wajibu, saini na uamuzi wa mwisho daima uongo na radiologist.
DICOM hubeba kitambulisho katika tabaka mbili
Data ya radiolojia, tofauti na data nyingine za afya, hubeba utambulisho katika tabaka mbili tofauti na kutokutambulisha hakukamili bila kufuta zote mbili.
1. Kichwa cha DICOM: Sehemu zilizopangwa mwanzoni mwa faili ya picha - jina la mgonjwa, nambari ya kitambulisho/itifaki, tarehe ya kuzaliwa, jinsia, taasisi, tarehe ya uchunguzi, kifaa. Maeneo haya yanaweza kufutwa/kufichwa kwa chombo, lakini yakisahauliwa picha itaendelea kubeba kitambulisho huku ikidhaniwa kuwa "isiyojulikana".
2. Data iliyochomwa ndani: Katika baadhi ya picha—hasa ultrasound, kunasa skrini ya fluoroscopy, uchunguzi wa nje—maelezo ya mgonjwa huandikwa moja kwa moja kwenye saizi. Kusafisha kichwa hakuondoi hii; maandishi yaliyopachikwa yanapaswa kufunikwa (kufunikwa) au eneo hilo linapaswa kupunguzwa.
Zaidi ya hayo, hatari ya urekebishaji wa uso: uso unaweza kujengwa upya kwa pande tatu kutoka kwa CTs za kichwa / ubongo za azimio la juu na MRIs; Hii, pia, ni aina ya ufichuzi wa utambulisho na, katika baadhi ya miktadha, inahitaji "kuharibika."
safu
wapi
Jinsi ya kusafisha
ikiwa wamesahau
Kijajuu cha DICOM
Jina la faili
Zana ya kutokutambulisha
Kitambulisho kinasalia wazi
maandishi yaliyopachikwa
pixel ya ndani
Kufunika/kupanda
Picha hubeba utambulisho
data ya uso
Mtazamo wa kichwa cha 3D
kudhoofisha
Inatambulika kwa uso
Nakala ya ripoti
RIS/maandishi
Inaondoa jina/nambari
Mtu huyo anatambulika
KVKK na kushiriki salama
Katika Türkiye, KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi) huchukulia data ya afya kama "data ya kibinafsi ya asili maalum" katika kiwango cha juu cha ulinzi; Katika Ulaya, sawa ni GDPR. Sheria za msingi: usindikaji data tu kadri inavyohitajika kwa madhumuni muhimu; kufuta utambulisho nje ya taasisi; Iwapo utaitumia katika mafunzo ya kielelezo, toa misingi ya kisheria na kibali cha wazi ikiwa ni lazima; Jua data yako inakwenda wapi. Kupakia picha/ripoti zisizojulikana kwa zana ya umma ya AI ni ukiukaji wa data. Zana za ushirika ambazo zina makubaliano ya kuchakata data (DPA), hazitumii data yako katika mafunzo ya kielelezo, na ikiwezekana fanya kazi nyumbani/ndani mwa nchi zinapaswa kupendelewa.
Angalizo: Kusema "nimefuta jina la mwisho" au "zana tayari iko salama" si kutokutambulisha. Hakuna data inayotoka nje ya taasisi bila kuondoa jina lote, kitambulisho cha TR, itifaki/nambari ya mtihani, tarehe ya kuzaliwa, anwani, taasisi na data iliyopachikwa/kichwa cha utambulisho. Kuficha utambulisho sio tabia, sio kazi ya mara moja.
Uthibitishaji wa mfano: wakati wa kuamini mfano
Haitoshi kusema kwamba mfano "unafanya kazi"; Inahitajika kuuliza jinsi, wapi na ni kiasi gani inafanya kazi.
- Uthibitishaji na kiwango cha ushahidi: Ni katika idadi gani ya watu, katika hali ngapi, na vipimo vipi (unyeti, umaalumu, hasi ya uwongo) ilijaribiwa? Je, kuna ushahidi uliochapishwa, unaojitegemea?
- Uidhinishaji wa udhibiti: Je, bidhaa imeidhinishwa kama kifaa cha matibabu (k.m. kuweka alama kwenye CE, uidhinishaji husika wa udhibiti)? Ni matumizi gani yanafunikwa na idhini?
- Uthibitishaji wa ndani: Hatua muhimu zaidi. Je, mtindo huo umejaribiwa kwenye kifaa chako mwenyewe, itifaki yako mwenyewe, idadi ya watu wako mwenyewe? Kuteleza kwa usambazaji (kupungua kwa utendakazi mtu anaposonga mbali na hali ya mafunzo) hakuonekani bila uthibitisho wa ndani.
- Ufuatiliaji: Je, toleo la modeli, masasisho na mabadiliko ya utendaji yanafuatiliwa?
Kipimo cha kimaadili
Upendeleo wa algorithmic: Iwapo muundo umefunzwa kwa idadi fulani ya watu, unaweza kufanya vibaya zaidi katika vikundi vingine (umri, jinsia, kabila, ugonjwa adimu) na kukuza ukosefu wa usawa. Idhini ya mgonjwa na uwazi: Je, mgonjwa anapaswa kujua kwamba akili ya bandia inatumiwa katika uchunguzi wake; Je, taasisi inafanyaje hili kuwa wazi? Dhima: Iwapo usomaji unaosaidiwa na AI utafanya makosa, ni nani anayehusika - jibu liko kwa mtaalamu wa radiolojia aliyetia saini; AI haichukui jukumu. Ufikiaji wa haki: Ikiwa zana za AI zinapatikana katika baadhi ya vituo na si katika vingine, hii inaweza kuwa chanzo cha ukosefu wa usawa.
kesi tatu ndogo
Kesi ya 1 - Ukiukaji wa maandishi uliopachikwa. Daktari anapakia picha ya ultrasound ya kuvutia, kusafisha kichwa chake, na kupakia kwenye zana ya umma ya AI. Lakini katika kona ya picha kuna jina la mgonjwa na nambari ya itifaki iliyowekwa kwenye pixel; Ingawa kichwa kilikuwa safi, kilikuwa na kitambulisho kilichopachikwa. Taasisi inakutana na arifa ya KVKK. Njia sahihi ilikuwa kuficha eneo lililopachikwa na kuishiriki kama hivyo.
Kesi ya 2 - Usambazaji bila uthibitishaji wa ndani. Kituo mara kwa mara huanzisha kielelezo cha umri wa mfupa kilichofunzwa kwa wakazi wa ng'ambo bila hata kukiidhinisha katika kundi lake la wagonjwa. Miezi baadaye, iligunduliwa kuwa mtindo huo una upendeleo kwa idadi ya watu. Ikiwa uthibitishaji wa ndani ulifanyika, hii ingeonekana tangu mwanzo. Somo: hata uidhinishaji wa udhibiti hauwezi kuchukua nafasi ya uthibitishaji wa ndani.
Kesi ya 3 - Ripoti kutokujulikana. Daktari wa radiolojia anataka kujadili kesi ngumu na mwenzake kupitia zana ya AI. Anaandika tena hadithi kama "mwanamke mwenye umri wa miaka 62, historia inayojulikana ya saratani ya matiti" badala ya "Ayşe Yılmaz, itifaki 2024-114523, saratani ya matiti"; Hushiriki picha na kichwa cha DICOM kimefutwa na maandishi yaliyopachikwa yakiwa yamefichwa. Majadiliano ya kliniki hufanyika, hakuna utambulisho unaofunuliwa. Ufichaji utambulisho sahihi umewezesha matumizi salama ya AI.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Ayşe Yılmaz, TC 123..., itifaki 2024-114523, saratani ya matiti, kutafsiri MRI hii.
Utambulisho unashirikiwa wazi; Huu ni ukiukaji wa KVKK, ilipaswa kuacha kabla ya kuandikwa kwa haraka.
Agizo lenye nguvu:
Jukumu lako: msaidizi wa udhibiti wa kutokutambulisha. Ondoa jina lako, TR ID, itifaki/nambari ya mtihani, tarehe ya kuzaliwa, mawasiliano na taarifa ya taasisi kutoka kwa maandishi hapa chini; ibadilishe na "[imeondolewa]". Acha tu taarifa muhimu za kimatibabu zisizojulikana (kikundi cha umri, jinsia, historia husika). Pia nikumbushe: ikiwa nitashiriki picha, ninahitaji pia kufuta kichwa cha DICOM na maandishi yaliyopachikwa kwenye picha, na kuzingatia data ya uso katika kichwa/ubongo. Maandishi: [bandika maandishi]
Kitambulisho chenye nguvu cha dondoo, hukumbusha data iliyopachikwa/kichwa na uso.
Violezo vya haraka vinavyoweza kunakiliwa
KIOLEZO CHA UDHIBITI WA USITAJI Jukumu lako: msaidizi wa kutokutambulisha. Dondoo la jina, nambari ya kitambulisho cha TR, itifaki/ nambari ya uchunguzi, tarehe ya kuzaliwa, mawasiliano na taarifa ya taasisi kutoka kwa maandishi; Andika "[imeondolewa]". Acha tu taarifa zisizojulikana zinazohitajika kitabibu. Nikumbushe kwamba ikiwa nitashiriki picha, ninahitaji kufuta kichwa + embed + data ya uso. Maandishi: [andika]
KIOLEZO CHA SWALI LA UTHIBITISHO WA MFANO Jukumu lako: MSAIDIZI. Nitatathmini mfano wa AI. Tengeneza maswali ninayohitaji kuuliza: idadi ya watu/kesi/viwango gani, upeo wa uidhinishaji wa udhibiti, uthibitisho wa ndani unafanywa, hatari ya kusambaa, ufuatiliaji wa toleo. Uamuzi uko mikononi mwa taasisi. Maelezo ya mfano: [majira ya joto]
ETHICS/BIAS CHECK TEMPLATEI itakupa muktadha wa kutumia kielelezo cha AI. Tathmini kwa upendeleo wa algorithmic (ambao unaweza kufanya kazi vibaya katika vikundi), ridhaa ya mgonjwa/uwazi, uwajibikaji, na ufikiaji wa haki; Andika swali ambalo taasisi inapaswa kuuliza chini ya kila kichwa. Muktadha: [andika]
DATA FLOW PRIVACY TEMPLATEI itakupa hali ya kutuma data kwa zana ya AI. Unda orodha hakiki inayouliza data inakwenda wapi, iwapo itahifadhiwa, iwapo inatumika katika mafunzo ya kielelezo, na hali yake ya msingi wa DPA/kisheria. Tukumbushe kuhusu dhima ya kutokutambulisha kwa magari ya nje. Hati: [andika]
Makosa ya kawaida
- Futa tu kichwa na usahau kuhusu maandishi yaliyopachikwa. Picha bado ina utambulisho.
- Kupuuza data ya usoni. Mtu anaweza kutambuliwa kutoka kwa picha za 3D za kichwa/ubongo.
- Kubadilisha idhini ya udhibiti kwa uthibitishaji wa ndani. Idhini inaonyesha upeo; Haihakikishi utendakazi kwenye data yako mwenyewe.
- Sio kuuliza juu ya upendeleo wa algorithmic. Mtindo huo unaweza kufanya kazi vibaya kwa baadhi ya vikundi, na hivyo kuongeza usawa.
- Kuhamisha jukumu kwa AI. Sahihi iko kwa radiologist; Wajibu wa makosa ni wa wanadamu.
Kidokezo: Kabla ya kutuma data yoyote nje ya taasisi, uliza swali moja: "Ikiwa data hii ingevuja, je, mgonjwa anaweza kutambuliwa?" Ikiwa jibu ni "ndiyo" au "sina uhakika," data bado haijajulikana - usiitume.
Kwa muhtasari
Picha na ripoti za radiolojia ni data maalum ya kibinafsi na zinahitaji ulinzi wa juu zaidi ndani ya mawanda ya KVKK/GDPR. Data ya DICOM hubeba utambulisho katika tabaka mbili - kichwa na maandishi yaliyopachikwa kwenye picha - na hakuna data inayoondoka kwenye biashara bila zote mbili kusuguliwa, pamoja na data ya uso ikiwa ni lazima. Ili kuamini kielelezo, uthibitishaji wake, kiwango cha ushahidi, uidhinishaji wa udhibiti, na uthibitishaji wa ndani, hasa katika kifaa/idadi yako ya watu, hutathminiwa; Uidhinishaji wa udhibiti si mbadala wa uthibitishaji wa ndani. Katika mwelekeo wa maadili, upendeleo wa algorithmic, ridhaa ya mgonjwa, uwazi, ufikiaji wa haki na uwajibikaji hutiliwa shaka. Katika hali zote, saini, wajibu na uamuzi wa mwisho ni wa radiologist.
Jukumu la maombi
Unda maandishi ya ukweli na hali ya kushiriki picha. Usitambulishe maandishi kwa kutumia kiolezo cha "Angalia Kutokutambulisha" na hatua za ukaguzi wa kichwa/maandishi/data ya uso iliyopachikwa. Kisha tathmini muundo unaotumia (au unaozingatia) na kiolezo cha "Hoja ya Uthibitishaji wa Muundo": idadi ya watu, upeo wa uthibitishaji, hali ya uthibitishaji wa ndani. Hatimaye, kwa kiolezo cha “Udhibiti wa Maadili/Upendeleo”, andika katika vikundi ambavyo mtindo huu unaweza kufanya kazi vibaya na maswali ya uwazi/uwajibikaji.
orodha ya ukaguzi
- [ ] Nilifuta sehemu za kitambulisho katika kichwa cha DICOM.
- [ ] Nilifunika/kupunguza maandishi yaliyochomwa kwenye picha.
- [ ] Nilitathmini hatari ya data ya usoni katika picha za kichwa/ubongo.
- [ ] Nilificha utambulisho wa maandishi ya ripoti/hadithi (jina, kitambulisho, itifaki, tarehe ya kuzaliwa).
- [ ] Nilitilia shaka mtiririko wa data na DPA/msingi wa kisheria wa zana ya nje.
- [ ] Niliangalia uthibitisho wa ndani na upeo wa uthibitishaji wa modeli.
- [ ] Nilitathmini upendeleo wa algoriti, uwazi na uwajibikaji; Ninayo saini.