Privacy ng Pasyente, Pagkakumpidensyal ng Data at Etika

Mga nadagdag:

• Kakayahang tukuyin kung bakit sensitibong personal na data ang data ng pasyente at kung paano ito protektahan bago ito ibigay sa mga tool ng artificial intelligence
• Kakayahang alisin sa pagkakakilanlan ang konteksto, pumili ng mga tool na hindi gumagamit ng data sa edukasyon, at isagawa ang ugali ng pagsunod sa patakarang institusyonal.
• Kakayahang maunawaan ang propesyonal, legal at etikal na kahihinatnan ng mga paglabag sa privacy at ang priyoridad ng pagprotekta sa tiwala ng pasyente.

Pinagkakatiwalaan ka ng isang pasyente ng kanyang pinakapribadong impormasyon: ang kanyang karamdaman, ang kanyang nakaraan, ang kanyang mga takot, kung minsan ang mga lihim na hindi niya sinabi sa sinuman. Ang tiwala na ito ang batayan ng propesyon ng nars, at ang pagiging kompidensiyal ng pasyente ay ang konkretong katapat ng tiwala na ito. Bagama't makapangyarihan ang mga tool ng AI, nagdudulot din ang mga ito ng panganib sa privacy: ang walang ingat na pag-type ng impormasyon ng pasyente sa isang AI tool ay nangangahulugan ng pagpapalabas ng impormasyong iyon nang hindi alam kung saan ito pupunta, kung ito ay nakaimbak, at kung ito ay ginagamit sa edukasyon. Sa unit na ito, matututunan mo kung paano protektahan ang data ng pasyente sa edad ng artificial intelligence. Ang pangunahing prinsipyo ay ito: Ang data ng pasyente ay espesyal na personal na data; Hindi ito ibinibigay sa anumang tool ng artificial intelligence nang hindi inaalis ang pagkakakilanlan at gumagamit ng secure at naaprubahang tool.

Bakit pribado na pinoprotektahan ang data ng pasyente

Ang personal na data ay anumang impormasyon na nagpapakilala sa isang tao (pangalan, numero ng ID, address). Ang mga espesyal na personal na data ay mas sensitibong mga kategorya; Ang data ng kalusugan ay nauuna sa mga ito. Kapag isiniwalat ang sakit ng isang tao, maaaring magdusa ang trabaho, insurance, relasyon sa lipunan, at dignidad. Iyon ang dahilan kung bakit pinoprotektahan ng batas (KVKK - Batas sa Proteksyon ng Personal na Data sa ating bansa; GDPR sa Europa) ang data ng kalusugan sa pinakamataas na antas at itinatali ang pagproseso nito sa mga mahigpit na panuntunan. Ang mga institusyong pangkalusugan ay mayroon ding sariling mga patakaran sa privacy at mga regulasyon sa mga karapatan ng pasyente.

Kapag nag-type ka ng impormasyon ng pasyente sa isang AI tool, ang impormasyong iyon ay kadalasang napupunta sa isang server sa labas ng iyong institusyon. Wala kang kontrol sa kung paano iniimbak ng tool na iyon ang data, kung sino ang nag-a-access nito, at kung ginagamit ba ito sa pagsasanay. Samakatuwid, dapat na protektahan ang data bago ito makarating sa sasakyan.

Babala: "Humihingi lang ako ng tulong" ay hindi nagbibigay-katwiran sa isang pagsalakay sa privacy. Pagsusulat ng pangalan ng pasyente, ID, bihirang diagnosis o pagtukoy ng detalye sa isang hindi naaprubahang tool ng artificial intelligence; Isa itong propesyonal, etikal at legal na paglabag. Hindi na mababawi ang pinsala.

Paano i-de-identify

Ang pag-alis ng pagkakakilanlan (anonymization) ay ang pag-alis sa isang text ng lahat ng impormasyon na maaaring magpakilala sa isang tao o palitan ito ng isang tag. Ang mga identifier tulad ng pangalan, apelyido, TR ID, numero ng file, petsa ng kapanganakan, address, telepono, petsa, bihirang kumbinasyon ng diagnosis, at propesyon ay na-clear. Pag-iingat: kung minsan ang impormasyon na tila hindi nakapipinsala sa bawat isa ay maaaring magpakilala sa isang tao kapag pinagsama-sama (hal. "ang nag-iisang dialysis na pasyente ng nayon"). Sa de-identification, hindi sapat ang pagtanggal lang ng pangalan; Ito ay kinakailangan upang matiyak na ang konteksto ay hindi magbibigay sa tao.

Ang pagtatrabaho gamit ang hindi natukoy na teksto ay sapat na para sa karamihan ng mga gawain: isang draft ng isang plano sa pangangalaga, isang layout ng SBAR, isang materyal sa pagsasanay, isang buod ng pamamaraan ay maaaring gawin lahat nang walang tunay na pagkakakilanlan. Ang pagkakakilanlan ay halos hindi mahalaga sa kalidad ng gawain.

tatlong mini case

Kaso 1 — Ligtas na paggamit. Nais ng isang nars na humingi ng tulong mula sa artificial intelligence upang ayusin ang isang kumplikadong kaso. Inalis niya ang pangalan, ID, petsa at mga detalye ng pagkakakilanlan mula sa teksto at isinulat ito sa mga pangkalahatang ekspresyon tulad ng "68 taong gulang na pasyente". Gumagamit ito ng tool na inaprubahan ng institusyon na hindi gumagamit ng data sa edukasyon. Nakumpleto niya ang gawain nang ligtas. Hindi kailanman kailangan ang ID.

Case 2 — Lihim na pagkakakilanlan. Binura ng isang nars ang pangalan ngunit isinulat, "Buntis ang kambal sa aming ospital." Ang ekspresyong ito ay nagpapakilala sa tao. Nagbabala ang isang kasamahan; Ang nars ay pangkalahatan ang konteksto. Aral: hindi sapat ang pagbura ng pangalan; Hindi rin dapat ibigay ng konteksto ang tao.

Kaso 3 — Hindi naaprubahang sasakyan. Ang isang nurse ay random na nag-paste ng buod ng pasyente sa isang libreng app habang nagmamadali. Nalaman niya kalaunan na ang tool na ito ay nag-iimbak ng data at ginagamit ito sa pagsasanay. Ang isang seryosong alalahanin sa privacy ay lumitaw. Aralin: suriin ang patakaran sa privacy ng tool at pag-apruba ng ahensya bago gamitin.

Hakbang-hakbang: paggamit ng artificial intelligence habang pinoprotektahan ang privacy

1. Kailangan ba talaga? Anong data ang pinakamababang sapat para sa gawain?
2. Disidentify. I-clear ang pangalan, ID, petsa, address at mga detalye ng pagkakakilanlan.
3. Suriin ang konteksto. Ang natitirang impormasyon ba ay nagbibigay sa tao?
4. Piliin ang tool. Inaprubahan ng institusyon, hindi gumagamit ng data sa edukasyon, sumusunod sa patakaran.
5. Magtrabaho nang may pinakamababang data. Huwag masyadong magbigay.
6. Kapag may pagdududa, huwag ibahagi. Kung hindi ka sigurado, kumunsulta sa taong kinauukulan.

Apat na maaaring kopyahin na mga template

Gawain: Alisin ang pagkakakilanlan sa teksto ng pasyente sa ibaba. Palitan ang iyong pangalan, apelyido, numero ng TR ID, numero ng file, petsa ng kapanganakan, address, telepono, petsa at mga pambihirang detalye na maaaring makilala ang tao sa [TAGET]; panatilihin ang klinikal na kahalagahan. Teksto: [...]

Gawain: Sa anonymous na text sa ibaba, markahan ang impormasyon na maaaring mukhang hindi nakakapinsala nang paisa-isa ngunit maaaring gawing makikilala ang tao kapag pinagsama-sama, at imungkahi kung paano ito i-generalize. Teksto: [...]

Gawain: Maghanda ng checklist para suriin ang isang artificial intelligence tool sa mga tuntunin ng data ng pasyente: ginagamit ba nito ang data sa edukasyon, saan ito iniimbak, mayroon bang pag-apruba ng institusyonal, ano ang patakaran sa pagtanggal ng data? Hayaan ang desisyon ay akin.

Gawain: Ayusin itong (anonymous) case para sa isang nurse. Huwag magdagdag o humiling ng anumang mga kredensyal sa buong gawain; Gumagamit ng mga identifier maliban sa pangkalahatang edad/kasarian. Kaso: [...]

Mahinang prompt / Malakas na prompt

Mahina: "Ahmet Yılmaz, 62, TC 123..., ay naospital na may sumusunod na diagnosis, sumulat ng plano sa pangangalaga para sa kanya."

Strong: "Gumawa ng draft na plano sa pangangalaga para sa isang 62-anyos na lalaking pasyente (anonymous) na may pangkalahatang klinikal na impormasyon na ibinibigay ko. Sa buong takdang-aralin, hindi ako hihingi, at hindi ka magdaragdag, pangalan, ID, petsa, o anumang iba pang personal na makikilalang impormasyon. Gumagana lamang sa pangkalahatang klinikal na konteksto."

Sa malakas na prompt, ang pagkakakilanlan ay hindi kailanman ibinigay; ang kalidad ay hindi nagdurusa dito.

Mga karaniwang pagkakamali

• Tinatanggal ang pangalan at nalilimutan ang konteksto. Ang mga nakikilalang detalye ay maaaring magbigay sa isang tao.
• Paggamit ng hindi naaprubahan/libreng tool nang hindi nag-iisip. Ang patakaran sa privacy at pag-apruba ng institusyon ay unang sinusuri.
• Iniisip na ang pagkakakilanlan ay "kailangan para sa kalidad". Halos walang misyon na nangangailangan ng totoong ID.
• Mag-paste ng madalian. Kapag lumabas na, hindi na mababawi ang data.
• Pagbabahaginan sa pagdududa. Kung hindi ka sigurado, huwag ibigay ito; Kumonsulta sa kinauukulan.

Kung may tumagas: limitasyon sa pinsala

Kahit na ang pinakamaingat na nurse ay maaaring magkamali: tulad ng aksidenteng pag-paste ng text na naglalaman ng pagkakakilanlan sa isang hindi naaprubahang sasakyan. Sa ganitong sitwasyon, ang pag-panic o pagtatago ay ang pinakamasamang tugon. Ang tamang diskarte ay limitasyon sa pinsala: agad na iulat ang insidente sa charge nurse at sa iyong yunit ng seguridad/pagsunod ng data ng ahensya, tandaan kung saan pupunta ang data, at sundin ang pamamaraan ng pag-uulat ng insidente ng ahensya. Maraming mga tool ang may opsyon na tanggalin ang mga nakaraang pag-uusap o i-off ang paggamit ng data; ang mga ito ay dapat gamitin. Ang maaga at tapat na pag-uulat ay parehong pinoprotektahan ang pasyente at pinapanatili kang nasa kanang bahagi nang propesyonal. Ang pagtatago ng isang insidente ng privacy ay isang mas malaking paglabag kaysa sa mismong insidente.

Karamihan sa mga institusyon ay may proseso ng pag-uulat at pagsusuri para sa mga naturang insidente; Ang layunin ay hindi sisihin, ngunit upang maiwasan ang pag-ulit. Kaya huwag mag-atubiling iulat ito.

Transparency at pahintulot sa pasyente

Ang privacy ay hindi lamang tungkol sa pagtatago ng data, ito ay tungkol sa pagiging tapat sa pasyente. Ang isang pasyente ay may karapatang malaman kung paano ginagamit ang kanilang impormasyon. Kapag gumagamit ng mga tool ng AI sa proseso ng pangangalaga, ang transparency sa loob ng balangkas ng patakarang institusyonal at mga karapatan ng pasyente ay mahalaga: ang mga transaksyong nauugnay sa data ng pasyente ay dapat isagawa alinsunod sa mga proseso ng pagbubunyag at pagpapahintulot ng institusyon. Bilang isang nars, isang magandang compass kapag nagpoproseso ng data ng isang pasyente sa isang tool ay ang magtanong "ito ba ay naaayon sa tiwala na ibinigay ng pasyente sa akin?" Kung hindi ka komportable na ipaliwanag ang isang pamamaraan nang malinaw sa isang pasyente, malamang na hindi mo ito dapat gawin. Ang privacy ay isang relasyon ng tiwala bago ito isang teknikal na tuntunin; Dapat palakasin ng teknolohiya ang relasyong ito, hindi pahinain ito.

Tip: Ang isang praktikal na paraan upang gawing ugali ang pag-de-identification ay ang pagtatanong sa iyong sarili ng isang palaging tanong bago gumawa ng data ng pasyente: "Kung ang text na ito ay hindi sinasadyang lumabas sa institusyon, maaari bang sabihin ng isang tao kung sino ang taong ito?" Kahit na ang sagot ay "siguro," i-generalize pa ang konteksto. Ang isa pang tuntunin ng hinlalaki ay upang patuloy na limitahan ang dami ng data: bigyan ang AI ng pinakamababang impormasyon na kailangan para sa gawain, huwag magdagdag ng karagdagang detalye "kung sakali." Anumang karagdagang impormasyon na ibinigay ay parehong hindi kailangan at mapanganib. Ang privacy ay hindi isang beses na pagsusuri, ngunit isang disiplina na inilalapat sa bawat keystroke; Ang disiplinang ito ay nagiging reflex sa paglipas ng panahon at pinoprotektahan ka at ang pasyente.

Sa buod

Ang data ng pasyente ay espesyal na personal na data at ang batayan ng tiwala ng pasyente. Ang mga tool sa artificial intelligence ay nagdadala ng panganib na ilipat ang data na ito sa labas ng organisasyon. Alisin ang pagkakakilanlan ng data bago ang bawat paggamit, tiyaking hindi ibibigay ng konteksto ang indibidwal, pumili ng tool na inaprubahan ng institusyon na hindi gumagamit ng data sa pagsasanay, at gumagana sa kaunting data lamang. Ang pagsalakay sa privacy ay hindi maibabalik; Huwag makibahagi sa pagdududa. Ang pagkakakilanlan ay hindi kinakailangan para sa halos anumang gawain.

Gawain ng aplikasyon

Kumuha ng totoong fact sheet mula sa sarili mong serbisyo. Alisin ang pagkakakilanlan sa kanya: malinaw na pangalan, ID, petsa, address at mga nakikilalang detalye, pagkatapos ay tingnan kung ang konteksto ay nagbibigay pa rin sa tao. Pagkatapos, buksan ang patakaran sa privacy ng isang artificial intelligence tool na ginagamit mo at tandaan kung gumagamit ito ng data sa edukasyon at kung mayroon itong pag-apruba ng institusyonal. Kung makakita ka ng panganib sa privacy, isulat ito.

checklist

• [ ] Itinakda ko ang pinakamababang data para sa gawain.
• [ ] Na-clear ko ang pangalan, ID, petsa, address at mga identifier.
• [ ] Sinuri ko na ang natitirang konteksto ay hindi nagbibigay sa tao.
• [ ] Pumili ako ng tool na inaprubahan ng institusyon na hindi ginagamit sa pagsasanay.
• [ ] Nagtrabaho ako gamit lamang ang pinakamababang kinakailangang data.
• [ ] Sinuri ko ang patakaran sa privacy ng tool.
• [ ] Noong nagdududa ako, hindi ko ito ibinahagi at kumunsulta sa responsableng tao.