Mga nadagdag:
- Pag-unawa sa mga panganib sa privacy at mga obligasyon ng KVKK ng hearing aid at pag-scan ng data ng device (data logging, application data)
- Kakayahang magdisenyo ng paggamit ng artificial intelligence sa ligtas at hindi kilalang paraan sa daloy ng teleaudiology (remote fitting at monitoring).
- Kakayahang maglapat ng mga limitasyon at mga hakbang sa pag-anonymize ng pagpapadala ng data ng pasyente sa cloud-based na mga artificial intelligence tool
Hindi na gumagana ang modernong audiology sa data na nabuo sa klinika. Ang mga hearing aid at mobile app ay patuloy na nangongolekta ng data; ang mga pasyente ay sinusubaybayan nang malayuan; nakakonekta ang mga device sa pag-scan sa mga cloud system. Bagama't nag-aalok ito ng malalakas na pagkakataon, lumilikha din ito ng mga seryosong responsibilidad sa privacy. Sa unit na ito, sasakupin namin ang mga panganib sa privacy ng hearing aid at screening data, ang ligtas na paggamit ng artificial intelligence sa teleaudiology (remote application at monitoring), at ang mga limitasyon ng pagpapadala ng data ng pasyente sa cloud-based na mga tool. Pangunahing prinsipyo: Ang data ng pasyente at device ay espesyal na kalidad ng data ng kalusugan; Nangangailangan ito ng pinakamataas na proteksyon sa loob ng saklaw ng KVKK. Bago magpadala ng data sa artificial intelligence, ito ay hindi nagpapakilala, pinipili ang isang secure na tool at ang kinakailangang data lamang ang ibinabahagi.
Anong data ng device ang kinokolekta nito?
Ang mga modernong hearing aid at application ay nagsasagawa ng pag-log ng data: kung ilang oras sa isang araw ginagamit ang device, kung saan ang mga kapaligiran (tahimik, maingay, musika) ay gumagana, kung aling mga program/level ng tunog ang mas gusto ng pasyente ay maaaring i-record. Ang mga mobile app ay maaaring magdagdag ng lokasyon, mga gawi sa paggamit, at kung minsan ay data ng audio media dito. Ang data na ito ay mahalaga para sa pagsubaybay at pagsubaybay — ngunit naglalaman din ito ng sensitibong impormasyon tungkol sa mga kaayusan sa pamumuhay ng isang tao.
Sa loob ng saklaw ng KVKK (Personal Data Protection Law), ang data ng kalusugan ay espesyal na kalidad ng data. Nangangahulugan ito na ang pagpoproseso nito ay nangangailangan ng mas mahigpit na mga kundisyon, tahasang pahintulot at mataas na mga hakbang sa seguridad. Kasama rin sa saklaw na ito ang data ng hearing aid.
Babala: Ang data na "Mukhang hindi nagpapakilala" ay hindi palaging anonymous. Kapag ang isang bihirang profile ng pagkawala ng pandinig ay pinagsama sa isang tiyak na edad at lokasyon, ang tao ay muling makikilala. Ang anonymization ay hindi lamang tungkol sa pagtanggal ng pangalan, ngunit tungkol sa pagsusuri sa bawat clue na maaaring humantong pabalik sa pagkakakilanlan.
Mga limitasyon ng pagpapadala ng data sa mga tool sa cloud AI
Lahat ng tina-type mo sa isang pangkalahatang layunin, nakaharap sa publiko na tool ng AI ay napupunta sa mga server ng serbisyong iyon, at mayroon kang limitadong kontrol sa kung ano ang mangyayari. dahil:
- Tunay na pangalan, T.C. Ang mga direktang identifier tulad ng ID number, address, telepono, device serial number ay hindi kailanman ipinasok.
- Iniiwasan ang mga bihirang/natatanging kumbinasyon ng mga detalye na maaaring humantong sa pagkakakilanlan.
- Kung maaari, mas gusto ang corporate, secure na mga tool na may malinaw na kundisyon sa pagpoproseso ng data.
- Ang pinakamababang data lamang na kinakailangan upang maisagawa ang gawain ang ibinabahagi (pagliit ng data).
Uri ng data
Maaari ba siyang pumasok sa pampublikong sasakyan?
ligtas na alternatibo
Pangalan, T.R., contact
hindi kailanman
anonymous na code
serial number ng device
hindi kailanman
Uri ng device (pangkalahatan)
Raw audiogram + ID
hindi
Anonymous, anonymous na mga threshold
Anonymous na klinikal na buod
Kondisyon (ligtas na sasakyan)
Walang ID, minimal na data
Pag-log ng data + pagkakakilanlan
hindi
Anonymous na trend ng buod
Ligtas na artificial intelligence sa teleaudiology
Ang teleaudiology ay isang kasanayan kung saan ang pasyente ay sinusuri nang malayuan mula sa labas ng klinika (mula sa kanyang tahanan), at ang kanyang aparato ay inaayos o sinusubaybayan nang malayuan. Ang artificial intelligence ay narito; Makakatulong ito sa mga gawain gaya ng pagbubuod ng malayuang data ng paggamit, pag-draft ng mga tugon sa mga mensahe ng pasyente, o paggawa ng mga follow-up na paalala. Ngunit ang isang rekomendasyon sa setting na batay sa remote na data ng paggamit ay hindi maaaring direktang ilapat: ang aktwal na reklamo ng pasyente ay dapat na ma-verify sa profile ng pandinig at, kung kinakailangan, isang bagong sukat, at ang setting ng device ay hindi dapat baguhin nang permanente nang walang pag-apruba ng eksperto.
Hakbang-hakbang: daloy ng trabaho na ligtas sa privacy
- Kumuha ng imbentaryo ng data. Tukuyin kung aling bahagi ng iyong data ang nagpapakita ng pagkakakilanlan.
- anonymize. I-extract ang mga direktang identifier, gawing pangkalahatan ang mga bihirang kumbinasyon.
- Pumili ng sasakyan. Kung sensitibo ang gawain, pumili ng secure/enterprise tool; paglalagay ng sensitibong data sa isang pampublikong tool.
- Ibahagi ang minimum na data. Magpadala lamang ng sapat upang magawa ang trabaho.
- I-verify ang mungkahi nang malayuan. Kumpirmahin ang mga rekomendasyon sa teleaudiology gamit ang klinikal na pagsusuri at pagsukat kung kinakailangan.
- Pagsubaybay at pagpayag. I-verify na nakuha na ang kinakailangang pahintulot para sa pagproseso ng data at may itinatago na talaan.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Ito ang data ng paggamit mula sa application ng device ni Ayşe Demir (TC 123...), paano ko dapat baguhin ang setting: [buong data]
Kabilang dito ang direktang pagkakakilanlan at TC (malubhang paglabag sa KVKK), at humihiling ng desisyon sa pagtatakda nang hindi bini-verify ang malayuang data.
Napakahusay na prompt:
Ang iyong tungkulin: teleaudiology follow-up assistant. Paggawa ng panghuling pagsasaayos na DESISYON; iugnay ang rekomendasyon sa pag-verify ng eksperto.Data (anonymous): 65 taong gulang, RIC device, ~4 na oras na pang-araw-araw na paggamit sa nakalipas na 2 linggo, kadalasan ay maingay na kapaligiran, sabi ng pasyente na "Halos hindi ko maintindihan ang pagsasalita sa ingay".Gawain: ilista kung aling mga posibleng aspeto ng pagsasaayos ang maaaring suriin mula sa trend na ito; Para sa bawat aspeto, isulat kung paano ito mabe-verify kasama ng pasyente at/o pagsukat. Sabihin na ang mga permanenteng pagbabago sa pagsasaayos ay nangangailangan ng pag-apruba ng eksperto at mga bagong sukat kung kinakailangan.
Ang malakas na prompt ay hindi nagpapakilala, gumagamit ng kaunting data, at iniuugnay ang rekomendasyon sa pagpapatunay at pag-apruba ng eksperto.
tatlong mini case
Kaso 1 — Bumalik mula sa paglabag. Ipe-paste ng isang audiologist ang buong pangalan, TC, at buong audiogram ng pasyente sa isang tool na AI na available sa publiko. Naaalala ang panuntunan sa privacy ng kumpanya; inaalis nito ang pagtukoy ng impormasyon, ginagawang anonymize ang data tulad ng "edad 58, kanang middle-advanced na sensorineural," at nagbabahagi lamang ng mga threshold na kinakailangan para sa interpretasyon. Natutugunan ang klinikal na layunin, walang nalantad.
Kaso 2 — Pagpapatunay ng remote na rekomendasyon. Sa teleaudiology, ang data mula sa app ng pasyente ay ibinubuod ng artificial intelligence upang "mapataas ang pakinabang ng programa ng ingay." Hindi ito direktang inilalapat ng audiologist; Nakikipag-video call siya sa pasyente at nililinaw ang reklamo, nagpaplano ng REM kung kinakailangan, at binago ang setting pagkatapos lamang ng pag-apruba. Ang data ng paggamit ay naging isang pahiwatig, ang desisyon ay ipinaubaya sa eksperto.
Kaso 3 — Panganib ng muling pagkakakilanlan. Isusulat ng isang eksperto, "Ang 7-taong-gulang na bata na may pagkawala ng pandinig na nauugnay sa isang bihirang sindrom ay ang tanging kaso sa County X." Napagtanto niya na ang kumbinasyong ito ay ginagawang makilala ang tao; inalis ang lokasyon at bihirang detalye, nag-iiwan lamang ng impormasyong may kaugnayan sa klinikal. Ang hindi pagsusulat ng isang pangalan lamang ay hindi nagbigay ng anonymity.
Nakokopya na mga template ng prompt
ANONYMIZATION + MINIMIZATION TEMPLATESa sumusunod na text, (1) alisin ang mga direktang identifier (pangalan, ID, contact, serial number), (2) i-generalize ang mga bihirang kumbinasyon na maaaring gawing makikilala ang tao (lokasyon + bihirang diagnosis + edad), (3) tanggalin ang anumang data na hindi kailangan para sa gawain. Teksto: [teksto]
DATA INVENTORY TEMPLATESa set ng data sa ibaba, uriin ang bawat field bilang "direct identifier / indirect identifier / clinically-essential / hindi kailangan" at isaad kung alin ang hindi dapat ipadala sa tool. Data: [mga patlang]
TELEODIOLOGY RECOMMENDATION VERIFICATION TEMPLATELIlista ang posibleng mga direksyon sa pagsasaayos mula sa remote na data ng paggamit sa ibaba; Para sa BAWAT aspeto, isulat ang hakbang para sa pagpapatunay sa pamamagitan ng pakikipanayam sa pasyente at/o pagsukat. Ang permanenteng pagbabago ay nangangailangan ng pag-apruba ng eksperto, sabihin ito. Data (anonymous): [data ng paggamit]
CONSENT/MONITORING CONTROL TEMPLATELilista ang mga item na kailangang suriin sa mga tuntunin ng KVKK sa isang proseso ng teleaudiology/data processing (tahasang pahintulot, pagliit ng data, secure na tool, panahon ng pag-iimbak, rekord ng pag-access). Ibigay ito bilang checklist.
Mga karaniwang pagkakamali
- Pagpasok ng data ng pagkakakilanlan sa sasakyan. Paglabag sa KVKK na may pangalan, TR ID at serial number.
- Iniisip na "Binura ko ang pangalan at naging anonymous". Hindi pinapansin ang panganib ng muling pagkilala sa mga bihirang kumbinasyon.
- Paglalagay ng sensitibong data sa isang tool na magagamit sa publiko. Pagmamaneho sa pangkalahatan kaysa sa ligtas na pagmamaneho kapag sensitibo ang gawain.
- Nagbabahagi ng masyadong maraming data. Pag-bypass sa pagliit ng data at pagpapadala ng hindi kinakailangang impormasyon.
- Direktang paglalapat ng malayuang mungkahi. Ginagawang permanente ang rekomendasyon sa pagsasaayos ng teleaudiology nang walang pag-apruba at pag-verify ng eksperto.
Sa buod
Ang data ng hearing aid at screening ay espesyal na data ng kalusugan at nangangailangan ang KVKK ng pinakamataas na proteksyon. Bago magpadala ng data sa AI, kinukuha ang mga direktang pagkakakilanlan, ang mga kumbinasyong nasa panganib na muling matukoy ay pangkalahatan, ang ligtas na tool ay pinili, at ang pinakamababang kinakailangang data lamang ang ibinabahagi. Sa teleaudiology, ang mga suhestyon na nagmumula sa malayo ay mahalagang mga pahiwatig, ngunit hindi sila nagiging permanenteng pagsasaayos nang walang pag-apruba at pag-verify ng eksperto.
Gawain ng aplikasyon
Tumukoy ng anonymous na "dataset" (naglalaman ng magkahalong field gaya ng pangalan, ID, serial number ng device, edad, lokasyon, bihirang diagnosis, mga threshold ng audiogram, atbp.). Uriin ang bawat field gamit ang template na "imbentaryo ng data," pagkatapos ay i-secure ito para maipadala ito sa tool gamit ang template na "anonymization + minimization." Gayundin, para sa isang halimbawa ng data ng paggamit ng teleaudiology, ilapat ang template ng "pag-verify ng rekomendasyon" at isulat ang hakbang sa pag-verify para sa bawat aspeto ng setting.
checklist
- [ ] Inalis ko ang mga direktang identifier (pangalan, ID, serial number).
- [ ] Na-generalize ko ang mga kumbinasyon na nasa panganib na muling makilala.
- [ ] Pinili ko ang ligtas/naaangkop na tool ayon sa pagiging sensitibo ng gawain.
- [ ] Ibinahagi ko lang ang minimum na kinakailangang data.
- [ ] Iniugnay ko ang rekomendasyon sa teleaudiology sa pag-apruba at pag-verify ng eksperto.
- [ ] Sinuri ko ang pahintulot at mga obligasyon sa pagsubaybay.