Наскрізний випадок: шлях варіанта від відкриття до клінічного звіту

Прибуток:

• Можливість об’єднати всі частини, вивчені протягом модуля (послідовність, варіант, структура, література, клінічна інформація) в єдиному наскрізному робочому процесі з підтримкою ШІ
• Здатність застосовувати принцип «штучний інтелект створює, людина перевіряє та підтверджує» та перевірку первинного джерела на кожному кроці
• Можливість керувати ланцюжком верифікації шляхом документування конфіденційності та остаточного експертного затвердження в наскрізній справі

У цьому модулі ми обговорили кожен етап окремо, від аналізу послідовності до структури білка, від CRISPR до omics, від літератури до етики та конфіденційності. У цьому останньому розділі ми об’єднуємо їх усі в один реалістичний робочий процес: подорож варіанта, знайденого у пацієнта, від необроблених даних до затвердженого клінічного звіту. Мета полягає в тому, щоб цілісно побачити, як позиціонувати штучний інтелект (ШІ) як наскрізного помічника та як верифікація та підзвітність людини переплітаються на кожному етапі.

Наш сценарій (вигаданий): 34-річна пацієнтка приходить на генетичну експертизу з сімейною історією раку молочної залози в ранньому віці. Варіант гена BRCA1 було виявлено в панельному тесті. Наша місія: класифікувати цей варіант, інтерпретувати його можливий вплив на білок, переглянути літературу та скласти клінічний звіт — використовуючи ШІ на кожному кроці та перевіряючи його на кожному кроці.

Етап 1: виправлення варіанту та контроль конфіденційності

На самому початку робочого процесу ми робимо дві речі: стандартизуємо дані та забезпечуємо конфіденційність.

Конфіденційність перш за все: ім’я пацієнта, ідентифікаційний номер і дата народження не входять до жодних відкритих інструментів ШІ (Розділ 10). Ми працюємо лише з варіантом, версією генома та транскриптом — і лише якщо варіант не ідентифікує особу. Тоді фіксуємо варіант: GRCh38, BRCA1, NM_007294.4, наприклад c.5266dupC (p.Gln1756fs). Ми підтверджуємо це за допомогою валідатора (VariantValidator); Ми не приймаємо представлення, надане ШІ за номінальною вартістю (Блок 1, 3).

Етап 2: Збір доказів (Розділ 3)

У нас є штучний інтелект, який створює структуру перевірки ACMG, але не змушуючи клас розповідати про це. Потім ми самостійно перевіряємо кожен доказ:

• Частота gnomAD: ми шукаємо варіант у gnomAD і бачимо, що він дуже рідкісний/відсутній (у напрямку PM2).
• ClinVar: Ми відкриваємо запис і перевіряємо наявні коментарі та свіжість.
• Варіантний тип: якщо зсув кадру призводить до передчасного припинення, можуть бути переконливі докази втрати функції (PVS1), але ми оцінюємо це в контексті гена та транскрипту.

Ми не використовуємо жодну частоту чи посилання, надані ШІ, без їх перевірки (Розділ 9).

Етап 3: Інтерпретація білкової структури (розділ 4)

Щоб зрозуміти вплив варіанту на білок, ми завантажуємо структуру AlphaFold (з її номером UniProt), дивимося на оцінку достовірності pLDDT і функціональні анотації UniProt ураженої області. Оскільки зсув кадру змінює значну частину білка, інтерпретація структури може підтримувати гіпотезу про втрату функції, але структура є припущенням, а не остаточним доказом. Ми не запитуємо у ШІ координати; Читаємо з файлу.

Етап 4: Перевірка літератури (Розділ 7)

Ми отримуємо пошукові терміни від ШІ, шукаємо їх у самому PubMed і знаходимо фактичні статті про варіант і ген. Ми перевіряємо цитати, які AI подає «з пам’яті», за допомогою DOI/PMID. Ми зберігаємо різницю між зв’язком і причинністю в джерелі.

Етап 5: Класифікація та клінічна інтерпретація (Розділи 3, 8)

Ми об’єднуємо підтверджені докази, роблячи висновок про ймовірний клас із комбінацією ACMG (у цьому прикладі докази сильної втрати функції та рідкості можуть бути в напрямку «патогенний/імовірно патогенний» — але останнє слово залишається за експертом). Ми поєднуємо клінічну інтерпретацію з фенотипом і сімейним анамнезом: чи картина пацієнта відповідає BRCA1? Якщо є невизначеність, ми говоримо про це чесно.

Етап 6: Проект звіту та затвердження (Розділ 8)

З AI ми готуємо проекти звітів для лікаря та пацієнта; Мовою, яка не перебільшує причинно-наслідковий зв’язок, чітко говорить про невизначеність і спрямовує до генетичного консультування. Експерт підтверджує кожне речення. Додаємо розділ обмежень (на що тест не поширюється, умови переоцінки).

Порада: вводячи вихідні дані кожного етапу в наступний у наскрізному потоці, переконайтеся, що вихідні дані перевірено. Неперевірена частота або приписування неправильно переноситься на всі наступні стадії (ланцюгова галюцинація — Розділ 9).

таблиця робочого процесу

етап

Роль ШІ

Обов'язкова перевірка

особа, яка приймає рішення

фіксація

демонстраційний ескіз

VariantValidator

експерт

Конфіденційність

Контроль анонімізації

контроль людини

експерт

докази

Встановлення каркаса

gnomAD, ClinVar

експерт

структура

коментар

pLDDT, файл

експерт

література

Пошуковий термін, резюме

DOI/PMID

експерт

клас

комбінований проект

Правила ACMG

експерт

звіт

чернетка мови

затвердження речення за реченням

Експерт/Консультант

Три міні кейси (точки розриву в потоці)

Випадок 1 — Неправильна транскрипція. Одна команда працювала з транскриптом, наданим ШІ на початку потоку; пізніше він зрозумів, що комісія використала іншу транскрипцію. в. Їхні позиції змінилися. Помилку було вирішено шляхом виправлення з самого початку за допомогою VariantValidator. Урок: помилка на етапі фіксації порушує весь потік.

Випадок 2 — Підроблена допоміжна стаття. На етапі літератури AI запропонував переконливу статтю, що підтверджує класифікацію. Перевірка PMID показала, що статті не існує; вилучено з ланцюга доказів. Фактичних доказів було достатньо, але академічна/клінічна довіра була б зруйнована, якби помилкове приписування залишилося у звіті.

Випадок 3 — Отримано підтвердження. На етапі звітності проект ШІ містив заяву «цей варіант однозначно викликає рак». Консультант виправив це, сказавши, що «цей варіант значно підвищує ризик раку молочної залози/яєчників, але не вказує на остаточне захворювання», і додав рекомендацію для генетичної консультації. Тон і точність формувались у вправних руках.

Два шаблони, які можна копіювати (від кінця до кінця)

1) Планувальник потоку:

Ваша роль: асистент клінічної генетики. Створіть наскрізний контрольний список від відкриття до звіту для такого варіанту: [версія генома, ген, транскрипт, HGVS]. Напишіть на кожному етапі (фіксація, конфіденційність, докази, структура, література, клас, звіт) зі стовпцями «Що робить AI / що я перевіряю / хто вирішує». ВИ приймаєте класове та клінічне рішення.

2) Остаточна перевірка:

Попередньо перевірте наступний завершений коментар до варіанту та повідомте про чернетку перед поданням: [вміст]. Перевірте на: непідтверджену частоту/атрибуцію, перебільшену заяву про причинно-наслідковий зв’язок/точність, відсутність попередження про неоднозначність, відсутність поділу меж, вразливість конфіденційності. Перелічіть кожну проблему та будь-які пропозиції щодо її вирішення.

Слабка підказка / Сильна підказка

Слабкий: «Напишіть повний клінічний звіт для цього варіанту BRCA1».

Проблема: ШІ створює «звіт», підганяючи всі етапи за один раз; частота, атрибуція, клас, клінічне судження не підтверджені.

Сильно: «Складіть контрольний список від відкриття до звіту для цього варіанту BRCA1; відокремте на кожному етапі, що ви будете робити, що я буду перевіряти та хто прийматиме рішення. Я прийму класове та клінічне рішення після підтвердження доказів».

Чому це потужно: Потік структурований, кожен етап прив’язаний до перевірки, а рішення та відповідальність залишаються за людиною.

Поширені помилки

• Запит на «готовий звіт» одним запитом. Етапи об'єднуються без перевірки; помилка накопичується.
• Ігнорування фази фіксації. Неправильна версія/розшифровка спростовує весь потік.
• Переміщення результатів між етапами без перевірки. Виникає ланцюгова галюцинація.
• Думати про конфіденційність у «кінці» потоку. Конфіденційність повинна бути встановлена ​​в першу чергу, при введенні даних.
• Залишаючи рішення та тон ШІ. Аудиторні та клінічні повідомлення повинні бути затверджені спеціалістом.

Застереження: використання наскрізного ШІ економить багато часу, але не зменшує відповідальність; Навпаки, це робить дисципліну перевірки на кожному етапі ще важливішою. AI прискорює потік; Human гарантує точність, безпеку та дотримання етичних норм.

Глибина: економія робочого часу, крихкість і контрольний слід

Справжня цінність наскрізного потоку полягає не в тому, щоб «дозволити штучному інтелекту зробити все», а в тому, щоб виграти час у потрібних місцях і сповільнитися в потрібних місцях. Давайте кількісно визначимо вигоду в цьому сценарії: встановлення основи доказів, генерація пошукових термінів, спрощення мови звіту та створення контрольного списку після аудиту можуть скоротити те, що традиційно займає кілька годин роботи над чернетками, до десятків хвилин. На відміну від цього, перевірка gnomAD/ClinVar, закріплення VariantValidator, перевірка DOI та експертне судження не можуть бути скороченими — вони є основою безпеки потоку. Правильне мислення: «ШІ створює проект, людина виступає гарантом». Прибуток у проекті, відповідальність у рішенні.

Найтендітніша ланка в потоці завжди є першою: закріплення. Неправильна версія геному або неправильна транскрипція мовчки поширюється на кожну наступну стадію, зрештою створюючи абсолютно недійсний звіт. Тож не переходьте до наступного кроку без перевірки прив’язки за допомогою єдиного автономного інструменту (наприклад, VariantValidator). Другим найбільш вразливим місцем є перенесення вихідних даних між етапами: перетворення неперевірених результатів одного етапу на вхідні дані для наступного викликає ланцюгові галюцинації.

Нарешті, в клінічному контексті контрольний слід є невід’ємною частиною потоку: необхідно задокументувати, яке джерело перевірено в яку дату, яку версію ClinVar переглядалося, хто ухвалив яке рішення. Відгуки про ClinVar змінюються з часом; Запис, який є «патогенним сьогодні», міг регресувати до VUS через рік. Аудиторський слід дозволяє як повторну оцінку, так і юридичну/етичну відповідальність.

потокова функція

принцип

застосування

економія часу

Ознайомтеся з чернеткою

Фреймворк, мова, контрольний список від ШІ

Крихкість

Закріпіть перше кільце

Підтвердьте фіксацію незалежним інструментом

Вихідний транспорт

Переїзд без перевірки

Кожен етап затверджується на джерелі

аудиторський слід

Документуйте кожне рішення

Джерело, дата, затверджено зареєстрованим

Підсумовуючи

• Шлях варіанта від відкриття до звіту; Він охоплює етапи фіксації, конфіденційності, доказів, структури, літератури, класу та звіту.
• ШІ створює проект/код/резюме на кожному етапі; На кожному етапі експерт перевіряє та приймає рішення.
• Вихід між етапами слід переносити на наступний лише після перевірки.
• Конфіденційність встановлена ​​з самого початку; Рішення про клас і клінічне рішення остаточно приймається за схваленням експерта.

Аплікаційне завдання

Виберіть вигаданий варіант (наприклад, добре відомий запис BRCA1). 1. Створіть наскрізний контрольний список із шаблоном і виконайте кожен етап самостійно в методі відповідного блоку в цьому модулі: виправте варіант, перевірте gnomAD/ClinVar, подивіться на структуру AlphaFold, знайдіть справжню статтю, обґрунтуйте можливий клас і напишіть абзац звіту та перевірте його експертним оком. Спробуйте знайти різницю між AI і джерелом принаймні в два етапи.

контрольний список

• [ ] Я налаштував конфіденційність із самого початку; Я не передавав жодних ідентифікаційних даних.
• [ ] Я виправив варіант із версією/транскриптом і підтвердив його валідатором.
• [ ] Я перевірив кожне свідчення (частота, ClinVar, література) у первинному джерелі.
• [ ] Я зробив коментар до структури з оцінкою впевненості та з файлу.
• [ ] Я особисто підтвердив клас і клінічну інтерпретацію на основі доказів.
• [ ] Я перевірив причинність/точність мовою звіту та додав межі.

Модульний екзамен

1. Що з наведеного нижче є найточнішим для позиціонування штучного інтелекту (особливо моделі великої мови) у молекулярній біології та генетиці?

• A) Це помічник, який пише код, створює чернетки та коментарі; Кожне біологічне явище повинно бути перевірено в першоджерелі, остаточне тлумачення належить експерту ✔
• B) Це надійна база даних геному; Наведені послідовності та варіанти можна записати безпосередньо до звіту.
• C) Оскільки він вимірює як лабораторний інструмент, його результати вважаються експериментальним доказом.
• D) Він має право остаточно ухвалити клінічне рішення щодо патогенності без схвалення людини.

Пояснення: велика мовна модель не є базою даних геному чи лабораторним інструментом; Це текстовий генератор, який статистично імітує тексти в навчальних даних. Біологічні факти, такі як послідовність/варіант/ген, слід завжди перевіряти з первинних джерел, таких як NCBI, Ensembl, ClinVar, gnomAD; Остаточна клінічна та наукова інтерпретація повинна належати компетентному експерту.

2. Ви отримали координату генома варіанту від AI, але ваш проект використовує GRCh38 (hg38). Можливо, штучний інтелект дав координату hg19. Який правильний підхід?

• A) Використання координати безпосередньо, тому що це здається розумним
• B) Немає необхідності запитувати версію, оскільки штучний інтелект завжди надає найновішу версію.
• C) Явно підтвердьте версію геному та перевірте координату за допомогою офіційного інструменту liftOver ✔
• D) Оскільки різниця між hg19 і hg38 незначна, виберіть один і продовжуйте

Опис: зміщення координат між версіями геному (GRCh37/hg19 та GRCh38/hg38). Будь-які координати, надані без версії, є підозрілими. Координати мають бути трансформовані/перевірені за допомогою офіційного інструменту liftOver, а використовувана версія геному має бути чітко підтверджена; інакше все вирівнювання та коментар вказуватимуть на неправильне розташування.

3. У нотації HGVS 'c.', 'p.' і "g". Що означають префікси і чому їх не можна плутати?

• А) Усі три означають те саме, не має значення, яке з них використано.
• Б) «в.» кодування ДНК/транскрипт, 'p.' білок, 'g.' – геномний рівень; Якщо плутаєте, це може вказувати на інше місце ✔
• C) 'p.' завжди 'c.' втричі більше його значення, перетворення відбувається автоматично та без помилок
• D) префікси є просто формальними; Версію розшифровки вказувати не потрібно

Опис: HGVS — це стандартний формат написання з варіантами: "c". рівень кодуючої ДНК (транскрипту), 'p.' рівень білка, 'g.' відноситься до геномного рівня. Змішування їх або використання неправильної версії транскрипту може вказувати на зовсім інший локус/варіант; тому разом із версією розшифровки потрібно використовувати правильний префікс (наприклад, NM_007294.4).

4. Якою має бути роль ШІ при використанні критеріїв ACMG для оцінки патогенності варіанту?

• A) Штучний інтелект завершує свідчення та клас; відсутність необхідності в нагляді спеціаліста
• B) Контроль GnomAD непотрібний, оскільки штучний інтелект надає частоту популяції зі своєї пам’яті.
• C) Оскільки критерії ACMG є суворими, результат ШІ автоматично вважається правильним
• D) Штучний інтелект може створювати чернеткові докази; Кожен доказ повинен бути перевірений у першоджерелі, остаточна класифікація повинна бути зроблена експертом ✔

Опис: ACMG — це структура, яка класифікує варіантну патогенність за категоріями доказів (популяційна частота, прогноз in silico, сегрегація, функціональне дослідження, література). AI може створити чернетку доказів; Однак кожен доказ має бути особисто перевірений у ClinVar, gnomAD та літературі, а остаточна класифікація (патогенний/ймовірно патогенний/VUS...) має бути зроблена компетентним експертом.

5. Ви працюватимете з послідовністю ДНК, наданою штучним інтелектом. Який найкращий перший крок?

• A) Використання послідовності шляхом отримання її з первинного джерела, такого як NCBI/Ensembl, або підтвердження її посиланням там ✔
• B) Вставлення послідовності безпосередньо в аналіз, тому що вона має правильну довжину
• C) Припускаючи, що послідовність правильна, якщо літери складаються з дійсних нуклеотидів
• D) Запитайте штучний інтелект про послідовність ще раз і вважайте її правильною, якщо два виходи однакові.

Пояснення: ШІ може «заповнити» рядок, який він не пам’ятає, правдоподібними літерами; Навіть якщо довжина та літери виглядають правильними, вони можуть не збігатися з фактичним посиланням. Тому будь-яка послідовність, задана штучним інтелектом із голови, не використовується безпосередньо; послідовність взята з первинного джерела, такого як NCBI/Ensembl, або підтверджена посиланням у ньому.

6. Що означає оцінка pLDDT у прогнозуванні структури білка за допомогою такого інструменту, як AlphaFold?

• A) Це сертифікат, який підтверджує, що структура була експериментально доведена
• B) Це лабораторне значення, яке вимірює рівень функціональної активності білка.
• C) Це оцінка, яка вказує на достовірність моделі щодо передбачення локальної структури для кожного залишку; нижче значення означає гнучку/ненадійну зону ✔
• D) Це співвідношення, яке показує варіативність білка в популяції.

Опис: pLDDT (0-100) – це показник достовірності, який показує, наскільки впевненим є AlphaFold у прогнозуванні локальної структури для кожного залишку (амінокислоти). Високий pLDDT означає надійну локальну структуру, низький pLDDT означає гнучку/невпорядковану або ненадійну область. Структура є здогадкою; регіони з низьким рівнем достовірності не слід інтерпретувати надмірно, а функціональні твердження мають бути підтверджені експериментальними доказами.

7. Чому ризиковано стверджувати, що мутація «повністю вимикає» білок на основі передбачення структури AlphaFold?

• A) Структури AlphaFold не можна використовувати з будь-якою метою, оскільки вони завжди неправильні
• Б) Будова відгадка; функціональні твердження знаходяться на рівні гіпотез і потребують експериментальної перевірки ✔
• В) Немає ризику; Результат AlphaFold такий же точний, як і експериментальна збірка
• D) Існує ризик, лише якщо pLDDT низький; Якщо він високий, позов автоматично вважається доведеним.

Розкриття інформації: AlphaFold є прогнозом структури, а не експериментальним доказом; Це особливо обмежено в гнучких/невпорядкованих областях і при моделюванні ефектів мутації. Функціональні твердження, засновані на конструкції, знаходяться на рівні гіпотези і потребують експериментальної перевірки (наприклад, функціонального дослідження). В іншому випадку передбачення подається як доказ.

8. Який найважливіший етап валідації щодо кандидатів CRISPR gRNA (керівна РНК), запропонованих штучним інтелектом?

• A) Якщо довжина гРНК правильна, подальші перевірки не потрібні
• B) Якщо штучний інтелект каже, що «ефект відхилення від мети низький», переходьте безпосередньо до експерименту
• C) Достатня гарантія того, що послідовність гРНК складається з дійсних нуклеотидів
• D) Перевірте кандидатів за допомогою справжнього вирівнювання геному та інструментів експертного нецільового аналізу та підтвердьте в лабораторії ✔

Опис: гРНК є направляючою РНК, яка спрямовує фермент Cas до мішені; При неправильному дизайні він також може зрізати нецільові ділянки. Кандидати, повернуті штучним інтелектом, повинні бути підтверджені фактичним вирівнюванням геному та інструментами експертного нецільового аналізу, а потім підтверджені лабораторними експериментами. Просто тому, що штучний інтелект каже «безпечно», це не замінить перевірку.

9. Чому необхідна корекція множинного тестування (наприклад, FDR/Benjamini-Hochberg) під час тестування відмінностей у експресії тисяч генів за допомогою RNA-seq?

• A) Тисячі одночасних тестів дають хибнопозитивні результати; Корекція FDR обмежує їх, необроблене значення p вводить в оману ✔
• B) Корекція необхідна лише в тому випадку, якщо кількість зразків невелика; Це не має нічого спільного з кількістю генів
• В) Корекція багаторазового тестування не змінює результат, вона є лише формальною
• D) Необроблений р<0,05 завжди достатній; виправлення надмірно ускладнює статистику

Пояснення: коли тисячі генів тестуються одночасно, багато генів отримують p<0,05 (хибнопозитивний) лише випадково. Корекція багаторазового тестування (FDR - контроль частоти помилкових відкриттів) обмежує ці помилкові спрацьовування. Списки генів, оголошених «значимими» з невиправленими значеннями p, вводять в оману; Слід використовувати скориговане значення (q-value).

10. Що це означає, якщо в аналізі збагачення шляху виявлено, що шлях «значно збагачений» і як це слід інтерпретувати?

• A) Доводить, що шлях є остаточною причиною захворювання
• B) Це експериментальний доказ того, що шлях активний у клітині
• C) Це статистичний сигнал, який вказує на те, що гени шляхів представлені більш, ніж очікувалося; Вимагає критичного тлумачення, а не причинності ✔
• D) Це достатній результат сам по собі, незалежно від фону та багаторазової корекції тестування

Опис: збагачення – це статистичний сигнал, який вказує на те, що певний шлях надмірно представлений серед генів, експресія яких змінюється; Це не є доказом причинності або того, що шлях дійсно активний. висновок; Використаний набір генів необхідно інтерпретувати критично в контексті відбору фону та корекції множинного тестування та з біологічною вірогідністю.

11. Подаючи короткий огляд літератури, AI може цитувати статтю, яка виглядає реальною, але не існує (підробне цитування). Який правильний підхід?

• A) Якщо автор і назва журналу реалістичні, цитата, ймовірно, правильна, перевірка не потрібна
• B) Перевірте кожне цитування в першоджерелі через DOI/PubMed; ✔ не використовувати те, що неможливо знайти
• C) Штучний інтелект не створює атрибуції; Його посилання можна додавати безпосередньо до списку літератури
• D) Якщо є багато цитат, це не проблема, якщо деякі з них є неправильними.

Опис: штучний інтелект може створити повністю вигадану статтю (і фальшивий DOI) із справжніми іменами авторів у справжньому журналі. Кожне цитування має бути особисто перевірено в першоджерелі через DOI/PubMed; Не можна використовувати посилання, які неможливо знайти. Наукова відповідальність несе автор; Неперевірені посилання не повинні входити в текст.

12. Який найточніший принцип щодо складання клінічного генетичного звіту, створеного ШІ?

• A) Якщо протяг вільний, його можна дати безпосередньо пацієнту
• B) Окрема перевірка джерела не потрібна, оскільки AI також створює докази
• C) Рішення про патогенність у звіті можна залишити штучному інтелекту, експерт перевіряє лише формат
• D) Кожна клінічна претензія має бути обґрунтована, остаточний звіт має бути затверджений компетентним спеціалістом, а ланцюжок перевірки має бути задокументований ✔

Опис: Штучний інтелект економить час при створенні чернеток звітів і резюме; Проте кожна клінічна заява має бути пов’язана з доказами та першоджерелами, а остаточний звіт має бути затверджений уповноваженим експертом. Результати ШІ не можуть бути безпосередньо перетворені на рішення пацієнта; Ланцюжок перевірки має бути задокументований.

13. Що це означає, якщо вихід ШІ звучить дуже плавно та «впевнено»?

• А) Впевнений тон не є доказом точності; Потреба в перевірці зростає, а не зменшується ✔
• B) Швидка та рішуча відповідь, швидше за все, є вірною, підтвердження не потрібне
• C) Впевнений тон вказує на те, що модель зчитує дані безпосередньо з пам’яті
• Г) Тон є мірою впевненості, оскільки нерішучі відповіді є неправильними, а впевнені – правильними.

Пояснення: впевнений тон ШІ не свідчить про точність; Найнебезпечніші галюцинації приходять з найбільш вільними та переконливими реченнями. Коли видно впевнений тон, потреба у перевірці зростає, а не зменшується. Кожен факт (послідовність, варіант, ген, посилання) має бути перехресно перевірено з незалежним первинним джерелом.

14. Який найважливіший запобіжний захід щодо конфіденційності перед тим, як передати генетичні дані пацієнта загальнодоступному інструменту ШІ для аналізу?

• A) Якщо дані закодовано в base64, їх можна безпечно вставити
• B) Якщо видалено лише ім’я пацієнта, подальші дії не потрібні
• C) взагалі не надає ідентифікаційні дані; анонімізація, мінімізація даних та згода/дотримання правової бази ✔
• D) Генетичні дані можуть вільно передаватись, оскільки вони не вважаються особистими даними.

Опис: Генетичні дані — це особлива категорія персональних даних, і особа може бути повторно ідентифікована за допомогою рідкісних комбінацій варіантів. Ідентифіковані генетичні дані ніколи не надаються відкритим інструментам; дані повинні бути анонімними, слід поширювати лише мінімально необхідну інформацію (мінімізація даних) і слід дотримуватися згоди/правової бази (KVKK/GDPR).