กำไร:
- ความสามารถในการจดจำข้อมูลระบุตัวตนที่ฝังไว้ (ส่วนหัวและข้อมูลที่ถูกเบิร์นอิน) ในภาพ DICOM และใช้การลบข้อมูลระบุตัวตนและกฎการแบ่งปันที่ปลอดภัย
- ความสามารถในการประเมินการตรวจสอบอย่างมีวิจารณญาณ ระดับของหลักฐาน การอนุมัติตามกฎระเบียบ (CE/ข้อบังคับ) และการตรวจสอบแบบจำลอง AI ในพื้นที่
- ความสามารถในการแก้ไขปัญหาด้านจริยธรรม เช่น อคติของอัลกอริทึม ความยินยอมของผู้ป่วย ความรับผิดชอบ และความโปร่งใสในบริบทของการถ่ายภาพ
ข้อมูลทางรังสีวิทยาถือเป็นข้อมูลส่วนบุคคลประเภทหนึ่งที่ละเอียดอ่อนที่สุด ภาพไม่เพียงสื่อถึงโรคเท่านั้น แต่ยังสื่อถึงโรคของใครอีกด้วย MRI สมองสามารถระบุบุคคลผ่านการสร้างใบหน้าใหม่ ไฟล์ DICOM จะจัดเก็บชื่อผู้ป่วย หมายเลขประจำตัว และวันเดือนปีเกิดไว้ในส่วนหัว ในยุคของปัญญาประดิษฐ์ เป็นเรื่องง่ายที่จะโหลดข้อมูลนี้ลงในเครื่องมือ แบ่งปัน หรือใช้มันเพื่อฝึกแบบจำลอง และแน่นอนว่าความง่ายดายนี้เองที่สร้างความเสี่ยงด้านความเป็นส่วนตัวที่ยิ่งใหญ่ที่สุด ในหน่วยนี้ เราจะหารือเกี่ยวกับการไม่เปิดเผยตัวตนของ DICOM, KVKK/ความเป็นส่วนตัว, การตรวจสอบความถูกต้องของโมเดล และประเด็นด้านจริยธรรมตั้งแต่ต้นจนจบ
หลักการสำคัญ: ภาพรังสีและรายงานเป็นข้อมูลส่วนบุคคลพิเศษ ข้อมูลระบุตัวตนในส่วนหัว DICOM และฝังอยู่ในรูปภาพจะไม่เข้าสู่เครื่องมือภายนอกใดๆ โดยไม่ได้รับการเปิดเผยตัวตน ความน่าเชื่อถือของแบบจำลอง การตรวจสอบความถูกต้องได้รับการประเมินตามระดับของหลักฐาน การอนุมัติตามกฎระเบียบ และการตรวจสอบยืนยันในท้องถิ่น ความรับผิดชอบ ลายเซ็น และการตัดสินใจขั้นสุดท้ายเป็นหน้าที่ของนักรังสีวิทยาเสมอ
DICOM มีตัวตนเป็นสองชั้น
ข้อมูลทางรังสีวิทยาต่างจากข้อมูลด้านสุขภาพอื่นๆ โดยมีการระบุตัวตนเป็นสองชั้นที่แยกจากกัน และการลบข้อมูลระบุตัวตนจะไม่สมบูรณ์หากไม่มีการล้างข้อมูลทั้งสองอย่าง
1. ส่วนหัว DICOM: ฟิลด์ที่มีโครงสร้างที่จุดเริ่มต้นของไฟล์รูปภาพ — ชื่อผู้ป่วย หมายเลขประจำตัว/โปรโตคอล วันเกิด เพศ สถาบัน วันที่ตรวจ อุปกรณ์ พื้นที่เหล่านี้สามารถลบ/มาสก์ได้ด้วยเครื่องมือ แต่หากลืม รูปภาพนั้นจะยังคงระบุตัวตนต่อไปในขณะที่คิดว่าเป็น "ไม่เปิดเผยตัวตน"
2. ข้อมูลที่ถูกเบิร์น: ในบางภาพ—โดยเฉพาะอัลตราซาวนด์, การจับภาพหน้าจอฟลูออโรสโคป, การสแกนภายนอก—ข้อมูลคนไข้จะถูกเขียนลงในพิกเซลโดยตรง การล้างส่วนหัวไม่ได้เป็นการลบสิ่งนี้ ข้อความที่ฝังควรถูกปิดบัง (ปิดบัง) หรือควรครอบตัดพื้นที่นั้น
นอกจากนี้ ความเสี่ยงในการสร้างใบหน้าใหม่: ใบหน้าสามารถสร้างใหม่สามมิติได้จากการตรวจ CT และ MRI ของศีรษะ/สมองที่มีความละเอียดสูง นี่เป็นรูปแบบหนึ่งของการเปิดเผยตัวตน และในบางบริบท จำเป็นต้องมี "การทำลายล้าง"
ชั้น
ที่ไหน
วิธีทำความสะอาด
ถ้าลืม
ส่วนหัว DICOM
ชื่อไฟล์
เครื่องมือไม่ระบุชื่อ
ID ยังคงเปิดอยู่
ข้อความที่ฝังอยู่
พิกเซลภายใน
การมาสก์/การครอบตัด
รูปภาพมีความเป็นเอกลักษณ์
ข้อมูลใบหน้า
มุมมองศีรษะ 3 มิติ
ทำให้เสียโฉม
สามารถรับรู้ได้จากใบหน้า
รายงานข้อความ
ริส/ข้อความ
การลบชื่อ/หมายเลข
บุคคลนั้นถูกระบุตัวตน
KVKK และการแบ่งปันอย่างปลอดภัย
ในตุรกี KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ปฏิบัติต่อข้อมูลด้านสุขภาพในฐานะ "ข้อมูลส่วนบุคคลที่มีลักษณะพิเศษ" ในระดับการคุ้มครองสูงสุด ในยุโรป เทียบเท่ากับ GDPR กฎพื้นฐาน: ประมวลผลข้อมูลเท่าที่จำเป็นเพื่อวัตถุประสงค์ที่จำเป็นเท่านั้น การไม่เปิดเผยตัวตนภายนอกสถาบัน หากคุณกำลังจะใช้ในการฝึกโมเดล ให้จัดเตรียมพื้นฐานทางกฎหมายและยินยอมอย่างชัดแจ้งหากจำเป็น รู้ว่าข้อมูลของคุณไปอยู่ที่ไหน การอัปโหลดรูปภาพ/รายงานที่ไม่ระบุตัวตนไปยังเครื่องมือ AI สาธารณะถือเป็นการละเมิดข้อมูล เครื่องมือขององค์กรที่มีข้อตกลงการประมวลผลข้อมูล (DPA) ห้ามใช้ข้อมูลของคุณในการฝึกโมเดล และควรทำงานภายในองค์กร/ในพื้นที่จะดีกว่า
ข้อควรสนใจ: การพูดว่า "ฉันเพิ่งลบนามสกุล" หรือ "เครื่องมือมีความปลอดภัยแล้ว" ไม่ใช่การลบข้อมูลระบุตัวตน ไม่มีข้อมูลใดถูกส่งออกไปนอกสถาบันโดยไม่ลบชื่อ, TR ID, หมายเลขโปรโตคอล/การตรวจสอบ, วันเกิด, ผู้ติดต่อ, สถาบัน และข้อมูลระบุตัวตนที่ฝัง/ส่วนหัวออกทั้งหมด การไม่เปิดเผยตัวตนไม่ใช่นิสัย ไม่ใช่งานที่ต้องทำเพียงครั้งเดียว
การตรวจสอบโมเดล: เมื่อใดจึงจะเชื่อถือโมเดลได้
การบอกว่าแบบจำลอง "ใช้งานได้" นั้นไม่เพียงพอ ต้องถามว่ามันทำงานยังไง ที่ไหน และเท่าไหร่
- การตรวจสอบความถูกต้องและระดับของหลักฐาน: แบบจำลองได้รับการทดสอบในประชากรใดบ้าง ในกี่กรณี โดยมีตัวชี้วัดใดบ้าง (ความไว ความจำเพาะ ผลลบลวง) มีหลักฐานที่เผยแพร่และเป็นอิสระหรือไม่?
- การอนุมัติตามกฎข้อบังคับ: ผลิตภัณฑ์ได้รับการอนุมัติให้เป็นเครื่องมือทางการแพทย์ (เช่น เครื่องหมาย CE, การอนุมัติตามกฎระเบียบที่เกี่ยวข้อง) หรือไม่ การอนุมัติครอบคลุมการใช้งานอะไรบ้าง?
- การยืนยันในพื้นที่: ขั้นตอนที่สำคัญที่สุด แบบจำลองได้รับการทดสอบบนอุปกรณ์ของคุณเอง โปรโตคอลของคุณเอง และประชากรของคุณเองหรือไม่? การเคลื่อนตัวของการกระจาย (ประสิทธิภาพลดลงเมื่อเคลื่อนออกจากเงื่อนไขการฝึกอบรม) จะไม่เห็นหากไม่มีการตรวจสอบความถูกต้องในท้องถิ่น
- การตรวจสอบย้อนกลับ: มีการติดตามเวอร์ชันของโมเดล การอัปเดต และการเปลี่ยนแปลงประสิทธิภาพหรือไม่
มิติทางจริยธรรม
อคติอัลกอริทึม: หากแบบจำลองได้รับการฝึกฝนกับประชากรกลุ่มใดกลุ่มหนึ่ง โมเดลนั้นอาจทำงานได้แย่ลงในกลุ่มอื่นๆ (อายุ เพศ ชาติพันธุ์ โรคที่หายาก) และขยายความไม่เท่าเทียมกัน ความยินยอมและความโปร่งใสของผู้ป่วย: หากผู้ป่วยรู้ว่ามีการใช้ปัญญาประดิษฐ์ในการวินิจฉัยของเขา สถาบันจะทำให้เรื่องนี้โปร่งใสได้อย่างไร? ความรับผิด: หากการอ่านโดยใช้ AI ทำให้เกิดข้อผิดพลาด ใครเป็นผู้รับผิดชอบ คำตอบอยู่ที่นักรังสีวิทยาที่ลงนาม AI ไม่เข้ามารับผิดชอบ การเข้าถึงอย่างยุติธรรม: หากมีเครื่องมือ AI ในบางศูนย์และไม่มีในศูนย์อื่น นี่อาจเป็นสาเหตุของความไม่เท่าเทียมกันได้
มินิเคสสามอัน
กรณีที่ 1 — การละเมิดข้อความที่ฝัง แพทย์อัปโหลดภาพอัลตราซาวนด์ที่น่าสนใจ ทำความสะอาดส่วนหัว และอัปโหลดไปยังเครื่องมือ AI สาธารณะ แต่ที่มุมของภาพจะมีชื่อผู้ป่วยและหมายเลขโปรโตคอลฝังอยู่ในพิกเซล แม้ว่าส่วนหัวจะสะอาด แต่ก็มีรหัสโพสต์ฝังอยู่ สถาบันพบการแจ้งเตือนของ KVKK วิธีที่ถูกต้องคือการปกปิดพื้นที่ฝังตัวและแชร์แบบนั้น
กรณีที่ 2 — การเผยแพร่โดยไม่มีการตรวจสอบยืนยันในท้องถิ่น ศูนย์แห่งหนึ่งแนะนำแบบจำลองอายุกระดูกที่ได้รับการฝึกอบรมกับประชากรในต่างประเทศเป็นประจำ โดยไม่เคยตรวจสอบความถูกต้องในกลุ่มผู้ป่วยของตนเองเลย หลายเดือนต่อมา จะสังเกตเห็นว่าแบบจำลองนี้มีอคติต่อประชากรอย่างเป็นระบบ หากทำการตรวจสอบในพื้นที่แล้ว จะเห็นได้ตั้งแต่ต้น บทเรียน: แม้แต่การอนุมัติตามกฎระเบียบก็ไม่สามารถทดแทนการตรวจสอบยืนยันในท้องถิ่นได้
กรณีที่ 3 — รายงานการไม่เปิดเผยตัวตน นักรังสีวิทยาต้องการหารือเกี่ยวกับกรณีที่ยากลำบากกับเพื่อนร่วมงานผ่านเครื่องมือ AI เขาเขียนเรื่องนี้ใหม่ว่า "หญิงวัย 62 ปี มีประวัติมะเร็งเต้านม" แทน "Ayşe Yılmaz, ระเบียบการ 2024-114523, มะเร็งเต้านม"; แชร์รูปภาพโดยล้างส่วนหัว DICOM และปิดบังข้อความที่ฝังไว้ การอภิปรายทางคลินิกเกิดขึ้น ไม่มีการเปิดเผยตัวตน การลบข้อมูลระบุตัวตนอย่างเหมาะสมทำให้สามารถใช้ AI ได้อย่างปลอดภัย
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
Ayşe Yılmaz, TC 123..., โปรโตคอล 2024-114523, มะเร็งเต้านม, ตีความ MRI นี้
มีการแบ่งปันข้อมูลประจำตัวอย่างเปิดเผย นี่เป็นการละเมิด KVKK ควรหยุดก่อนที่จะเขียนข้อความแจ้ง
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้ช่วยควบคุมการลบข้อมูลระบุตัวตน ลบชื่อ, TR ID, โปรโตคอล/หมายเลขการสอบ, วันเกิด, ข้อมูลติดต่อและสถาบันของคุณออกจากข้อความด้านล่าง แทนที่ด้วย "[ลบแล้ว]" ทิ้งเฉพาะข้อมูลที่ไม่เปิดเผยตัวตนที่จำเป็นทางคลินิก (กลุ่มอายุ เพศ ประวัติที่เกี่ยวข้อง) เตือนฉันด้วยว่า หากฉันจะแชร์รูปภาพ ฉันจะต้องล้างส่วนหัว DICOM และข้อความที่ฝังอยู่ในรูปภาพด้วย และพิจารณาข้อมูลใบหน้าในภาพศีรษะ/สมอง ข้อความ: [วางข้อความ]
พรอมต์ที่มีประสิทธิภาพจะแยก ID เตือนข้อมูลฝังตัว/ส่วนหัวและใบหน้า
เทมเพลตพร้อมท์ที่คัดลอกได้
เทมเพลตการควบคุมการไม่เปิดเผยตัวตน บทบาทของคุณ: ผู้ช่วยในการไม่เปิดเผยชื่อ แยกชื่อ หมายเลขประจำตัว TR หมายเลขโปรโตคอล/การสอบ วันเกิด ข้อมูลการติดต่อและสถาบันออกจากข้อความ พิมพ์ "[ลบแล้ว]" ปล่อยให้เฉพาะข้อมูลที่ไม่ระบุตัวตนที่จำเป็นทางคลินิกเท่านั้น เตือนฉันว่าหากฉันจะแชร์รูปภาพ ฉันต้องล้างข้อมูลส่วนหัว + ฝัง + ใบหน้า ข้อความ: [เขียน]
เทมเพลตแบบสอบถามการตรวจสอบความถูกต้องของโมเดล บทบาทของคุณ: ผู้ช่วย ฉันจะประเมินโมเดล AI สร้างคำถามที่ฉันต้องถาม: จำนวนประชากร/กรณี/ตัวชี้วัด ขอบเขตของการอนุมัติตามกฎระเบียบ การตรวจสอบความถูกต้องในพื้นที่เสร็จสิ้นแล้ว ความเสี่ยงของการจำหน่ายที่คลาดเคลื่อน การติดตามเวอร์ชัน การตัดสินใจอยู่ในมือของสถาบัน ข้อมูลรุ่น: [ฤดูร้อน]
เทมเพลตการตรวจสอบจริยธรรม/อคติจะให้บริบทในการใช้โมเดล AI ประเมินอคติของอัลกอริทึม (ซึ่งอาจทำงานได้ไม่ดีในกลุ่ม) ความยินยอม/ความโปร่งใสของผู้ป่วย ความรับผิดชอบ และการเข้าถึงอย่างยุติธรรม เขียนคำถามที่สถาบันควรถามในแต่ละหัวข้อ บริบท: [เขียน]
DATA FLOW PRIVACY TEMPLATEI จะให้สถานการณ์การส่งข้อมูลไปยังเครื่องมือ AI สร้างรายการตรวจสอบที่ถามว่าข้อมูลไปที่ใด ไม่ว่าจะจัดเก็บหรือไม่ ใช้ในการฝึกอบรมโมเดลหรือไม่ และสถานะ DPA/พื้นฐานทางกฎหมาย เตือนเราเกี่ยวกับภาระผูกพันในการไม่เปิดเผยตัวตนสำหรับยานพาหนะภายนอก สคริปต์: [เขียน]
ข้อผิดพลาดทั่วไป
- เพียงล้างส่วนหัวและลืมข้อความที่ฝังไว้ไปได้เลย ภาพยังคงมีตัวตน
- ละเว้นข้อมูลใบหน้า สามารถจดจำบุคคลได้จากภาพ 3 มิติของศีรษะ/สมอง
- การทดแทนการอนุมัติตามกฎระเบียบสำหรับการตรวจสอบความถูกต้องในท้องถิ่น ความยินยอมบ่งบอกถึงขอบเขต ไม่รับประกันประสิทธิภาพของข้อมูลของคุณเอง
- ไม่ถามเกี่ยวกับอคติของอัลกอริทึม โมเดลนี้อาจทำงานได้ไม่ดีสำหรับบางกลุ่ม ทำให้เกิดความไม่เท่าเทียมกันมากขึ้น
- การโอนความรับผิดชอบให้กับ AI ลายเซ็นอยู่กับนักรังสีวิทยา ความรับผิดชอบต่อข้อผิดพลาดอยู่ที่มนุษย์
เคล็ดลับ: ก่อนที่จะส่งข้อมูลใดๆ ไปนอกสถาบัน ให้ถามคำถามหนึ่งข้อ: "หากข้อมูลนี้รั่วไหล จะสามารถระบุตัวผู้ป่วยได้หรือไม่" หากคำตอบคือ “ใช่” หรือ “ไม่แน่ใจ” แสดงว่าข้อมูลยังไม่เป็นนิรนาม อย่าส่งข้อมูลดังกล่าว
โดยสรุป
ภาพและรายงานทางรังสีวิทยาเป็นข้อมูลส่วนบุคคลพิเศษและต้องการการปกป้องสูงสุดภายในขอบเขตของ KVKK/GDPR ข้อมูล DICOM มีข้อมูลประจำตัวในสองชั้น — ส่วนหัวและข้อความที่ฝังอยู่ในรูปภาพ — และไม่มีข้อมูลใดออกจากองค์กรโดยไม่ได้รับการขัดเกลา เช่นเดียวกับข้อมูลใบหน้าหากจำเป็น เพื่อให้เชื่อถือแบบจำลอง การตรวจสอบความถูกต้อง ระดับของหลักฐาน การอนุมัติตามกฎระเบียบ และการตรวจสอบความถูกต้องในท้องถิ่น โดยเฉพาะอย่างยิ่งในอุปกรณ์/ประชากรของคุณ จะได้รับการประเมิน การอนุมัติตามกฎข้อบังคับไม่สามารถทดแทนการตรวจสอบยืนยันในท้องถิ่นได้ ในมิติทางจริยธรรม มีการตั้งคำถามถึงอคติของอัลกอริทึม ความยินยอมของผู้ป่วย ความโปร่งใส การเข้าถึงอย่างยุติธรรม และความรับผิดชอบ ในทุกกรณี ลายเซ็น ความรับผิดชอบ และการตัดสินใจขั้นสุดท้ายเป็นของนักรังสีวิทยา
งานสมัคร
สร้างข้อความข้อเท็จจริงและสถานการณ์การแชร์รูปภาพ ทำให้ข้อความไม่ระบุชื่อด้วยเทมเพลต "การตรวจสอบการลบข้อมูลระบุตัวตน" และรายการขั้นตอนการตรวจสอบส่วนหัว/ข้อความที่ฝัง/ข้อมูลใบหน้า จากนั้นประเมินโมเดลที่คุณกำลังใช้ (หรือกำลังพิจารณา) ด้วยเทมเพลต “Model Validation Query”: ประชากร ขอบเขตการตรวจสอบ สถานะการตรวจสอบความถูกต้องในพื้นที่ สุดท้าย ใช้เทมเพลต "การควบคุมจริยธรรม/อคติ" ให้จดว่ากลุ่มใดโมเดลนี้อาจทำงานได้ไม่ดี และคำถามเกี่ยวกับความโปร่งใส/ความรับผิดชอบ
รายการตรวจสอบ
- [ ] ฉันล้างช่อง ID ในส่วนหัว DICOM แล้ว
- [ ] ฉันมาสก์/ครอบตัดข้อความที่ฝังอยู่ในรูปภาพ
- [ ] ฉันประเมินความเสี่ยงของข้อมูลใบหน้าในภาพศีรษะ/สมอง
- [ ] ฉันไม่เปิดเผยชื่อข้อความรายงาน/เรื่องราว (ชื่อ, ID, ระเบียบการ, วันเกิด)
- [ ] ฉันตั้งคำถามถึงกระแสข้อมูลและ DPA/พื้นฐานทางกฎหมายสำหรับเครื่องมือภายนอก
- [ ] ฉันตรวจสอบการตรวจสอบภายในและขอบเขตการตรวจสอบความถูกต้องของแบบจำลอง
- [ ] ฉันประเมินอคติของอัลกอริทึม ความโปร่งใส และความรับผิดชอบ ฉันมีลายเซ็น