จริยธรรม ความเป็นส่วนตัว และการปกป้องข้อมูล: ความรับผิดชอบพิเศษของข้อมูลทางพันธุกรรม

กำไร:

• ทำความเข้าใจว่าเหตุใดข้อมูลทางพันธุกรรมจึงเป็นข้อมูลส่วนบุคคลประเภทพิเศษและมีความเสี่ยงในการระบุตัวตนอีกครั้ง
• ความสามารถในการใช้หลักการไม่ระบุชื่อ ความยินยอม และการลดขนาดข้อมูล ก่อนที่จะให้ข้อมูลผู้ป่วยเพื่อเปิดเครื่องมือปัญญาประดิษฐ์
• ความสามารถในการยอมรับขีดจำกัดของการประมวลผลข้อมูลทางพันธุกรรมและความรับผิดชอบทางจริยธรรมทางวิชาชีพภายในกรอบงาน เช่น KVKK/GDPR

ข้อมูลทางพันธุกรรมไม่ใช่ข้อมูลส่วนบุคคลทั่วไป ลำดับดีเอ็นเอของบุคคล โดยสามารถระบุตัวตนของคุณได้ ไม่สามารถเปลี่ยนแปลงได้ (คุณสามารถเปลี่ยนรหัสผ่านได้ แต่เปลี่ยนจีโนมไม่ได้) สามารถเปิดเผยความเสี่ยงของโรคในอนาคต และไม่เพียงแต่เกี่ยวข้องกับบุคคลเท่านั้น แต่ยังรวมถึงสมาชิกครอบครัวที่เกี่ยวข้องกับสายเลือดทั้งหมดด้วย ดังนั้น การใช้ปัญญาประดิษฐ์ (AI) เมื่อทำงานกับข้อมูลทางพันธุกรรมจึงจำเป็นต้องมีมาตรฐานสูงสุดด้านการรักษาความลับและจริยธรรม ในหน่วยนี้ คุณจะได้เรียนรู้ว่าเหตุใดข้อมูลทางพันธุกรรมจึงต้องได้รับการปกป้องเป็นพิเศษ ซึ่งข้อผิดพลาดมีผลกระทบร้ายแรงเมื่อใช้เครื่องมือ AI และระเบียบวินัยในการทำงานที่ปลอดภัย

หลักการสำคัญ: ห้ามวางข้อมูลทางพันธุกรรมของผู้ป่วยที่ระบุตัวบุคคลได้ลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะ บริการ AI อเนกประสงค์จำนวนมากสามารถประมวลผลข้อมูลที่คุณป้อน จัดเก็บ หรือใช้เพื่อปรับปรุงโมเดล เมื่อมีการป้อนชุดค่าผสม ชื่อ หมายเลขประจำตัว หรือวันเกิดของผู้ป่วยลงในเครื่องมือ การละเมิดความเป็นส่วนตัวที่ไม่สามารถย้อนกลับได้อาจเกิดขึ้นได้

คุณสมบัติห้าประการที่ทำให้ข้อมูลทางพันธุกรรมมีความพิเศษ

1. ค่าคงที่: จีโนมจะเหมือนกันตลอดชีวิต หากเปิดเผยแล้วจะไม่สามารถ "ยกเลิก" ได้
2. ตัวตน: แม้แต่ตัวแปรหายากจำนวนเล็กน้อยก็สามารถระบุบุคคลได้โดยไม่ซ้ำกัน ข้อมูลที่คิดว่าเป็น "ไม่เปิดเผยตัวตน" สามารถระบุได้อีกครั้ง
3. ขนาดครอบครัว: จีโนมของบุคคลยังมีข้อมูลทางพันธุกรรมของญาติของพวกเขาด้วย ข้อมูลอาจถูกเปิดเผยโดยไม่ได้รับความยินยอม
4. การคาดการณ์: สามารถบ่งบอกถึงความเสี่ยงของโรคในอนาคต การประกันภัยอาจเป็นเหตุของการเลือกปฏิบัติในการจ้างงาน
5. ความเสี่ยงในการระบุตัวตนซ้ำ: ข้อมูลจีโนมสามารถเชื่อมโยงกับข้อมูลประจำตัวได้โดยการข้ามกับฐานข้อมูลอื่น

กรอบกฎหมาย: ภาพรวมโดยย่อ

ข้อมูลทางพันธุกรรมอยู่ในหมวดหมู่ของข้อมูลส่วนบุคคลพิเศษ (ละเอียดอ่อน) ในกฎหมายคุ้มครองข้อมูลและได้รับการคุ้มครองที่เข้มงวดมากขึ้น ในประเทศตุรกี KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ถือว่าข้อมูลสุขภาพและพันธุกรรมเป็นข้อมูลพิเศษ และตามกฎแล้วจะผูกมัดการประมวลผลโดยได้รับความยินยอมอย่างชัดแจ้งหรือข้อยกเว้นพิเศษ ในยุโรป GDPR ก็ปกป้องข้อมูลทางพันธุกรรมเป็นหมวดหมู่พิเศษเช่นเดียวกัน ในสหรัฐอเมริกา กฎหมาย GINA ห้ามมิให้มีการประกันภัยและการเลือกปฏิบัติในการจ้างงานโดยอาศัยข้อมูลทางพันธุกรรม แม้ว่ารายละเอียดจะแตกต่างกันไปในแต่ละประเทศ แต่หลักการทั่วไปก็เหมือนกัน: ข้อมูลทางพันธุกรรมไม่สามารถประมวลผลได้หากไม่ได้รับความยินยอมอย่างชัดแจ้ง การจำกัดวัตถุประสงค์ และการป้องกันที่เข้มงวด

เคล็ดลับ: เมื่อได้รับความยินยอมสำหรับการทดสอบทางพันธุกรรมจากผู้ป่วย การเปิดเผยอาจรวมถึงวิธีการประมวลผลข้อมูลโดยเครื่องมือ AI "ด้วยเครื่องมืออะไรและเราประมวลผลข้อมูลของคุณเพื่อการวิเคราะห์ที่ไหน" อยู่ในตำแหน่งที่จะตอบคำถามได้อย่างโปร่งใส

ทีละขั้นตอน: การใช้ AI ที่ปลอดภัยพร้อมข้อมูลทางพันธุกรรมที่เป็นความลับ

1. จำแนกประเภท ข้อมูลที่คุณครอบครองสามารถระบุได้หรือไม่? ประกอบด้วยชื่อ หมายเลขประจำตัว วันที่ รุ่นหายากหรือไม่?

2. ไม่ระบุชื่อหรือไม่โอนเลย ลบตัวระบุโดยตรง แต่โปรดจำไว้ว่า "การไม่เปิดเผยชื่อ" ในข้อมูลทางพันธุกรรมไม่ได้ให้การรับประกันอย่างสมบูรณ์ จะเป็นการปลอดภัยที่สุดที่จะไม่แนะนำข้อมูลส่วนบุคคลในยานพาหนะแบบเปิดเลย

3. อ่านนโยบายข้อมูลของเครื่องมือ เลือกเครื่องมือที่เป็นองค์กร มีข้อตกลงการประมวลผลข้อมูล (DPA) สัญญาว่าจะไม่ใช้ข้อมูลในการศึกษา และควรทำงานในพื้นที่/ใกล้ชิด

4. แยกคำถามเชิงแนวคิดออกจากข้อมูล “จะสมัคร ACMG PM2 ได้อย่างไร” คุณสามารถถามคำถามเชิงแนวคิดของ AI เช่น; ไม่จำเป็นต้องมีข้อมูลผู้ป่วยสำหรับสิ่งนี้ ใช้ข้อมูลเมื่อจำเป็นเท่านั้นและไม่เปิดเผยตัวตน

5. บันทึกการติดตาม บันทึกข้อมูลที่คุณประมวลผล ด้วยเครื่องมือใด และเพื่อวัตถุประสงค์ใด การตรวจสอบบัญชีเป็นข้อกำหนดทางจริยธรรมและกฎหมาย

มินิเคสสามอัน

กรณีที่ 1 — วางรายงานแล้ว เพื่อความรวดเร็ว ผู้ช่วยวางรายงานที่มีชื่อเต็มของผู้ป่วยและรายการตัวแปรลงในแชท AI ทั่วไปแล้วพูดว่า "สรุป" ผู้เชี่ยวชาญอาวุโสตระหนักถึงสิ่งนี้: ชื่อและรูปแบบที่หายากร่วมกันระบุผู้ป่วย และเครื่องมือก็จัดเก็บข้อมูลไว้ เหตุการณ์ดังกล่าวจำเป็นต้องมีการแจ้งเตือนการละเมิดความเป็นส่วนตัว บทเรียน: ไม่มีการถ่ายโอนข้อมูลระบุตัวตน แม้แต่ข้อมูลสรุปก็ตาม

กรณีที่ 2 — ความยินยอมจากครอบครัว ในขณะที่ใช้ข้อมูลของผู้ป่วย นักวิจัยบอกกับ AI ว่าพบตัวแปรดังกล่าวในพี่น้องของเขาด้วย อย่างไรก็ตาม พี่ชายไม่ยินยอมให้มีการประมวลผลข้อมูลของเขา ข้อมูลทางพันธุกรรมด้านครอบครัวยังทำให้ความเป็นส่วนตัวของบุคคลที่สามเกิดคำถาม เจ้าหน้าที่สืบสวนได้ดึงข้อมูลเกี่ยวกับน้องชายคนดังกล่าว

กรณีที่ 3 — ได้รับการยืนยัน ห้องปฏิบัติการแห่งหนึ่งใช้ "รายการตรวจสอบการลบข้อมูลระบุตัวตน" ก่อนการวิเคราะห์ พวกเขาดึงชื่อ หมายเลขประจำตัว และวันที่ก่อนที่จะมอบให้กับ AI ยิ่งไปกว่านั้น พวกเขาตระหนักว่าการผสมผสานตัวแปรที่หายากมากเพียงอย่างเดียวสามารถระบุตัวตนได้ และไม่ได้รายงานตัวอย่างนั้นเลย หากไม่มีรายการตรวจสอบ ข้อมูลที่คิดว่า "ไม่เปิดเผยตัวตน" อาจถูกระบุอีกครั้งได้

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การควบคุมการลบข้อมูลระบุตัวตน:

ก่อนที่จะป้อนข้อความนี้ไปยังเครื่องมือ AI ให้ระบุองค์ประกอบทั้งหมดในนั้น (ชื่อ หมายเลขประจำตัว วันที่ ที่อยู่ ชุดค่าผสมที่หายาก ฟีโนไทป์ที่หายาก) ที่สามารถระบุผู้ป่วยหรือญาติของพวกเขาได้ สำหรับแต่ละรายการ แนะนำให้ "ละเว้น" หรือ "อย่าถ่ายโอนตัวอย่างเลย": [ข้อความ]

2) คำถามเชิงแนวคิด (ไม่มีข้อมูล):

โดยไม่ต้องเปิดเผยข้อมูลผู้ป่วย ให้ตอบคำถามเชิงแนวคิดนี้: [คำถาม ACMG/วิธีการ] ใช้ตัวอย่างทั่วไป ฉันไม่ต้องการข้อมูลคนไข้จริงๆ

3) ความยินยอมและการควบคุมความโปร่งใส:

ช่วยฉันร่างข้อมูล/ข้อความยินยอมสำหรับการทดสอบทางพันธุกรรม โดยควรรวมถึง: ข้อมูลจะถูกประมวลผลเพื่อวัตถุประสงค์ใด เครื่องมือประเภทใดที่จะวิเคราะห์ วิธีการจัดการผลลัพธ์ที่เกี่ยวข้องกับสมาชิกในครอบครัว การจัดเก็บและการลบ อ้างถึงหน่วยกฎหมาย/จริยธรรมสำหรับการตัดสินใจทางกฎหมาย

4) เกณฑ์การคัดเลือกยานพาหนะ:

ฉันควรถามเกณฑ์ความเป็นส่วนตัวใดบ้าง (ข้อตกลงการประมวลผลข้อมูล ความมุ่งมั่นที่จะไม่ใช้ในการศึกษา การดำเนินงานในท้องถิ่น การควบคุมการเข้าถึง การลบ) เมื่อเลือกเครื่องมือ AI/การวิเคราะห์ที่จะประมวลผลข้อมูลทางพันธุกรรมที่ละเอียดอ่อน รายการตรวจสอบการประเมินผลจะถูกสร้างขึ้น

พรอมต์อ่อน / พรอมต์แรง

จุดอ่อน: "ความคิดเห็นของ Ahmet Yılmaz (TC: ...) ผลลัพธ์ BRCA1: [รายการตัวแปรทั้งหมด]"

ปัญหา: ตัวระบุโดยตรง + ข้อมูลทางพันธุกรรมเข้าสู่เครื่องมือแบบเปิด การละเมิดการรักษาความลับอย่างร้ายแรง

Güçlü: "โดยไม่ต้องระบุตัวใครเลย ให้อธิบายโดยใช้ตัวอย่างทั่วไปว่าตัวแปรเฟรมชิฟต์ใน BRCA1 ได้รับการประเมินที่ ACMG อย่างไร ฉันไม่เปิดเผยข้อมูลผู้ป่วยจริง"

ทำไมจึงมีประสิทธิภาพ: เป็นไปตามความต้องการการเรียนรู้/การประเมิน แต่ไม่มีการถ่ายโอนข้อมูลที่ระบุตัวบุคคล

ชนิดข้อมูล

มันเข้าสู่เครื่องมือ AI แบบเปิดหรือไม่

ทางเลือก

ชื่อผู้ป่วย/หมายเลขประจำตัว

ไม่เคย

ไม่มีการโอน

รุ่นหายาก+ประวัติ

ไม่เคย (ระบุ)

โอนตัวอย่าง

คำถามแนวความคิด

ใช่

ตัวอย่างทั่วไป

ตัวอย่างทั่วไปที่ไม่ระบุชื่อ

ระวัง

เครื่องมือระดับองค์กร/ท้องถิ่น

สถิติรวมที่ไม่ระบุชื่อ

ขึ้นอยู่กับสถานการณ์

ยานพาหนะที่มี DPA

ข้อผิดพลาดทั่วไป

• วางข้อมูลระบุเป็น "สำหรับสรุปเท่านั้น" ไม่ว่าจะมีจุดประสงค์อะไรก็ตามถือเป็นการละเมิด
• การเข้าใจผิดว่า "การไม่เปิดเผยชื่อ" สำหรับข้อมูลทางพันธุกรรมถือเป็นการรักษาความปลอดภัยโดยสมบูรณ์ สามารถระบุตัวตนซ้ำได้
• จนลืมแง่มุมของครอบครัวไป ข้อมูลของบุคคลยังเปิดเผยญาติของพวกเขาด้วย
• ไม่อ่านนโยบายข้อมูลของรถ ข้อมูลอาจนำไปใช้หรือเก็บไว้ในการฝึกอบรม
• ไม่เก็บบันทึกการติดตาม หากไม่มีการควบคุมก็ไม่สามารถแสดงความรับผิดชอบได้

ข้อควรระวัง: โดยส่วนใหญ่แล้ว การละเมิดความเป็นส่วนตัวไม่ได้เกิดขึ้นจากเจตนาร้าย แต่เกิดจากการสะท้อนกลับ "ทำให้รวดเร็ว" ความเสี่ยงที่ใหญ่ที่สุดคือการวางรายงานลงในหน้าต่างแชทในขั้นตอนการทำงานแบบไม่เป็นทางการโดยไม่ได้ตั้งใจ ช้าลงหน่อย; ไม่มีปุ่มเลิกทำในข้อมูลทางพันธุกรรม

ความลึก: คณิตศาสตร์ที่แท้จริงของการระบุตัวตนซ้ำและสถาปัตยกรรมที่ปลอดภัย

ทำไมการคิดว่า "ลบชื่อแล้ว ตอนนี้เป็นนิรนามแล้ว" จึงคิดผิด? เพราะไม่จำเป็นต้องมีชื่อเพื่อระบุตัวบุคคล การผสมผสานคุณสมบัติที่หายากก็เพียงพอแล้ว ตามการค้นพบแบบคลาสสิก วันเกิด + เพศ + รหัสไปรษณีย์สามรายการสามารถแยกแยะประชากรส่วนใหญ่ของสหรัฐอเมริกาได้ ในทางพันธุศาสตร์ สถานการณ์มีความชัดเจนมากขึ้น: การรวมกันของตัวแปรที่หายากหลายตัว (แต่ละชนิดเกิดขึ้นแม้แต่หนึ่งในพันของประชากร หรือรวมกันน้อยกว่าหนึ่งในล้าน) ชี้ไปที่บุคคลเพียงคนเดียว นอกจากนี้ ข้อมูลจีโนมยังสามารถข้ามกับฐานข้อมูลลำดับวงศ์ตระกูลเพื่อเชื่อมโยงบุคคลกับตัวตนของญาติ แม้ว่าบุคคลนั้นจะไม่ได้ให้ข้อมูลใดๆ ไว้ที่อื่น ซึ่งเป็นรูปแบบการโจมตีที่แท้จริงที่ได้รับการแสดงให้เห็นในวรรณกรรม

ดังนั้นการอนุรักษ์จึงต้องมีการตัดสินใจทางสถาปัตยกรรมที่นอกเหนือไปจากการสะท้อนกลับ "ลบตัวระบุ" ตัวเลือกที่เป็นประโยชน์: การใช้โมเดลในพื้นที่/โฮสต์ด้วยตนเอง เพื่อไม่ให้ข้อมูลออกนอกขอบเขตของสถาบัน หากจะใช้คลาวด์ ให้เลือกระดับองค์กรที่มีข้อตกลงการประมวลผลข้อมูล (DPA) และมุ่งมั่นที่จะ "ไม่ใช้อินพุตในการฝึกอบรม" การทำงานกับข้อมูลที่รวบรวมมาแทนที่จะใช้ข้อมูลดิบเฉพาะผู้ป่วยทุกครั้งที่เป็นไปได้ และจำกัดการเข้าถึงหลักการของสิทธิพิเศษน้อยที่สุด

กรณีที่เป็นรูปธรรม: ศูนย์ได้สรุปชุดกรณี "ที่ไม่ระบุชื่อ" ให้เป็นเครื่องมือ AI ทั่วไป ชุดข้อมูลไม่มีชื่อ แต่ผู้ป่วยแต่ละรายมีการวินิจฉัยที่หายาก + อายุ + เมืองรวมกัน เมื่อข้ามกับรายงานของหนังสือพิมพ์ท้องถิ่น ก็สามารถระบุตัวผู้ป่วยได้ การไม่มีตัวระบุดิบไม่ได้ขัดขวางการระบุตัวตนซ้ำ

ชั้นป้องกัน

ให้อะไร

ขีด จำกัด

การลบตัวระบุ

ลบ ID โดยตรง

ชุดค่าผสมที่หายากยังคงอยู่

โมเดลท้องถิ่น/โฮสต์เอง

ข้อมูลไม่ออกจากสถาบัน

ภาระการติดตั้ง/บำรุงรักษา

DPA+ ไม่ได้ใช้ในการศึกษา

การประกันทางกฎหมาย/สัญญา

จำเป็นต้องอ่านนโยบาย

การรวมตัว/การได้มา

ลดรอยแผลเป็นของแต่ละบุคคล

จำกัดความลึกของการวิเคราะห์

โดยสรุป

• ข้อมูลทางพันธุกรรมเป็นข้อมูลพิเศษ ไม่เปลี่ยนรูป สามารถระบุได้ และเกี่ยวข้องกับครอบครัว ต้องการมาตรฐานการป้องกันสูงสุด
• ข้อมูลทางพันธุกรรมของผู้ป่วยที่ระบุได้จะไม่ถูกบันทึกลงในเครื่องมือ AI แบบเปิด คำถามเชิงแนวคิดจะถูกแยกออกจากข้อมูล
• กรอบการทำงาน เช่น KVKK, GDPR, GINA ต้องได้รับความยินยอมอย่างชัดเจน ขีดจำกัดวัตถุประสงค์ และการคุ้มครองที่เข้มงวด
• การไม่เปิดเผยตัวตนไม่ใช่การรับประกันที่สมบูรณ์ สิ่งที่ปลอดภัยที่สุดคือไม่ต้องถ่ายโอนข้อมูลสำคัญเลย

งานสมัคร

รับรายงานทางพันธุกรรมตัวอย่าง (สมมติ) ใช้เทมเพลต 1 แสดงรายการองค์ประกอบการระบุทั้งหมดที่อยู่ในนั้น และตัดสินใจว่าจะ "ละเว้น" หรือ "ไม่ถ่ายโอน" สำหรับแต่ละรายการ จากนั้นให้เขียนคำถามทางคลินิกเดิมใหม่โดยไม่มีข้อมูลระบุตัวตน (โดยใช้ตรรกะเทมเพลต 2) อธิบายความแตกต่างด้านความเป็นส่วนตัวระหว่างสองเวอร์ชันในประโยคเดียว

รายการตรวจสอบ

• [ ] ฉันจัดประเภทข้อมูลตามอัตลักษณ์
• [ ] ฉันไม่ได้แนะนำข้อมูลส่วนบุคคลในเครื่องมือแบบเปิด
• [ ] ฉันสังเกตว่าสามารถระบุตัวแปรที่หายากรวมกันได้
• [ ] ฉันตรวจสอบนโยบายข้อมูลของเครื่องมือ (การเก็บรักษา การฝึกอบรม DPA)
• [ ] ฉันพิจารณาแง่มุมของครอบครัวและความยินยอมจากบุคคลที่สาม
• [ ] ฉันบันทึกเส้นทางการทำธุรกรรมและส่งต่อไปยังหน่วยงานจริยธรรม/กฎหมายเมื่อจำเป็น