Lợi nhuận:
- Hiểu lý do tại sao dữ liệu di truyền là một loại dữ liệu cá nhân đặc biệt và nguy cơ nhận dạng lại
- Khả năng áp dụng các nguyên tắc ẩn danh, đồng ý và giảm thiểu dữ liệu trước khi cung cấp dữ liệu bệnh nhân cho các công cụ trí tuệ nhân tạo mở
- Khả năng nắm bắt các giới hạn của việc xử lý dữ liệu di truyền và trách nhiệm đạo đức nghề nghiệp trong các khuôn khổ như KVKK/GDPR
Dữ liệu di truyền không phải là dữ liệu cá nhân thông thường. trình tự DNA của một người; Nó nhận dạng duy nhất bạn, không thể thay đổi (bạn có thể thay đổi mật khẩu nhưng không thể thay đổi bộ gen của mình), có thể tiết lộ những nguy cơ mắc bệnh trong tương lai và mối quan tâm không chỉ của cá nhân mà của tất cả các thành viên trong gia đình có quan hệ huyết thống. Vì vậy, việc sử dụng trí tuệ nhân tạo (AI) khi làm việc với dữ liệu di truyền đòi hỏi tiêu chuẩn cao nhất về tính bảo mật và đạo đức. Trong phần này, bạn sẽ tìm hiểu lý do tại sao dữ liệu di truyền phải được bảo vệ đặc biệt, những sai sót nào gây hậu quả nghiêm trọng khi sử dụng các công cụ AI và kỷ luật làm việc an toàn.
Nguyên tắc quan trọng: Không bao giờ dán dữ liệu di truyền có thể nhận dạng của bệnh nhân vào công cụ AI có sẵn công khai. Nhiều dịch vụ AI có mục đích chung có thể xử lý dữ liệu bạn nhập, lưu trữ hoặc sử dụng dữ liệu đó để cải thiện mô hình. Khi sự kết hợp biến thể hiếm gặp của bệnh nhân, tên, số nhận dạng hoặc ngày sinh được nhập vào một công cụ, hành vi vi phạm quyền riêng tư không thể khắc phục có thể xảy ra.
Năm đặc điểm làm cho dữ liệu di truyền trở nên đặc biệt
- Tính bất biến: Bộ gen giống nhau trong suốt cuộc đời; nếu bị lộ thì không thể “hủy bỏ”.
- Danh tính: Ngay cả một số ít biến thể hiếm cũng có thể nhận dạng duy nhất một người; Dữ liệu được cho là "ẩn danh" có thể được xác định lại.
- Quy mô gia đình: Bộ gen của một người cũng chứa thông tin di truyền của người thân của họ; thông tin có thể được tiết lộ mà không có sự đồng ý của họ.
- Khả năng dự đoán: Có thể chỉ ra nguy cơ mắc bệnh trong tương lai; Bảo hiểm có thể là căn cứ cho sự phân biệt đối xử trong việc làm
- Rủi ro tái nhận dạng: Dữ liệu bộ gen có thể được liên kết với danh tính bằng cách kết hợp với các cơ sở dữ liệu khác.
Khung pháp lý: tổng quan ngắn gọn
Dữ liệu di truyền nằm trong danh mục dữ liệu cá nhân đặc biệt (nhạy cảm) trong luật bảo vệ dữ liệu và được bảo vệ nghiêm ngặt hơn. Tại Türkiye, KVKK (Luật bảo vệ dữ liệu cá nhân) coi dữ liệu sức khỏe và di truyền là dữ liệu đặc biệt và theo quy định, ràng buộc việc xử lý dữ liệu đó phải có sự đồng ý rõ ràng hoặc các trường hợp ngoại lệ đặc biệt. Ở Châu Âu, GDPR cũng bảo vệ dữ liệu di truyền như một danh mục đặc biệt. Tại Hoa Kỳ, luật GINA nghiêm cấm phân biệt đối xử về bảo hiểm và việc làm dựa trên thông tin di truyền. Mặc dù chi tiết khác nhau tùy theo quốc gia nhưng nguyên tắc chung là như nhau: dữ liệu di truyền không thể được xử lý nếu không có sự đồng ý rõ ràng, giới hạn mục đích và sự bảo vệ mạnh mẽ.
Mẹo: Khi nhận được sự đồng ý xét nghiệm di truyền từ bệnh nhân, việc tiết lộ có thể bao gồm cách xử lý dữ liệu bằng các công cụ AI. "Chúng tôi xử lý dữ liệu của bạn để phân tích bằng những công cụ nào và ở đâu?" Hãy sẵn sàng trả lời câu hỏi một cách minh bạch.
Từng bước: sử dụng AI an toàn với dữ liệu di truyền bí mật
1. Phân loại. Dữ liệu mà bạn sở hữu có thể được xác định? Nó có chứa sự kết hợp của tên, số ID, ngày tháng, biến thể hiếm không?
2. Ẩn danh hoặc không chuyển giao gì cả. Xóa số nhận dạng trực tiếp; Nhưng hãy nhớ rằng, việc "ẩn danh" dữ liệu di truyền không mang lại sự đảm bảo đầy đủ. An toàn nhất là không đưa dữ liệu nhận dạng cá nhân vào phương tiện mở.
3. Đọc chính sách dữ liệu của công cụ. Chọn các công cụ của công ty, có thỏa thuận xử lý dữ liệu (DPA), hứa không sử dụng dữ liệu trong giáo dục và tốt nhất là làm việc tại địa phương/chặt chẽ.
4. Tách biệt các câu hỏi mang tính khái niệm khỏi dữ liệu. "Làm thế nào để áp dụng ACMG PM2?" Bạn có thể đặt các câu hỏi mang tính khái niệm về AI như; Không có dữ liệu bệnh nhân được yêu cầu cho việc này. Chỉ sử dụng dữ liệu khi cần thiết và ở dạng ẩn danh.
5. Lưu dấu vết. Ghi lại dữ liệu bạn xử lý, bằng công cụ nào và cho mục đích gì; Kiểm toán là một yêu cầu đạo đức và pháp lý.
ba trường hợp nhỏ
Trường hợp 1 - Báo cáo đã dán. Để nhanh chóng, một trợ lý đã dán báo cáo chứa tên đầy đủ và danh sách biến thể của bệnh nhân vào một cuộc trò chuyện chung về AI và nói "tóm tắt". Chuyên gia cấp cao đã nhận ra điều này: tên và biến thể hiếm cùng nhau xác định được bệnh nhân và công cụ lưu trữ dữ liệu. Vụ việc yêu cầu thông báo vi phạm quyền riêng tư. Bài học: không có dữ liệu nhận dạng nào được chuyển đi, ngay cả đối với bản tóm tắt.
Trường hợp 2 - Sự đồng ý của gia đình. Trong khi sử dụng dữ liệu của bệnh nhân, một nhà nghiên cứu nói với AI rằng biến thể này cũng được tìm thấy ở anh chị em của anh ta. Tuy nhiên, anh trai không đồng ý cho phép xử lý dữ liệu của mình. Khía cạnh gia đình của dữ liệu di truyền cũng khiến quyền riêng tư của bên thứ ba bị nghi ngờ; Điều tra viên đã trích xuất thông tin về anh trai.
Trường hợp 3 - Đã đạt được xác nhận. Một phòng thí nghiệm đã triển khai “danh sách kiểm tra ẩn danh” trước khi phân tích. Họ trích xuất tên, số ID và ngày tháng trước khi đưa chúng cho AI; Hơn nữa, họ nhận ra rằng chỉ một sự kết hợp rất hiếm của các biến thể cũng có thể xác định danh tính và hoàn toàn không báo cáo mẫu đó. Nếu không có danh sách kiểm tra, dữ liệu được cho là "ẩn danh" có thể đã được xác định lại.
Bốn mẫu có thể sao chép
1) Kiểm soát ẩn danh:
Trước khi đưa văn bản này vào công cụ AI, hãy liệt kê TẤT CẢ các thành phần trong đó (tên, số ID, ngày tháng, địa chỉ, tổ hợp biến thể hiếm, kiểu hình hiếm) có thể nhận dạng bệnh nhân hoặc người thân của họ. Đối với mỗi trường hợp, hãy đề xuất "bỏ qua" hoặc "hoàn toàn không chuyển mẫu": [text].
2) Câu hỏi khái niệm (không có dữ liệu):
KHÔNG chia sẻ dữ liệu bệnh nhân, hãy trả lời câu hỏi mang tính khái niệm này: [ACMG/câu hỏi về phương pháp]. Sử dụng các ví dụ phổ biến; Tôi không muốn thông tin bệnh nhân thực sự.
3) Sự đồng thuận và kiểm soát tính minh bạch:
Giúp tôi soạn thảo văn bản thông tin/đồng ý xét nghiệm di truyền. Nó phải bao gồm: dữ liệu sẽ được xử lý với mục đích gì, dữ liệu sẽ được phân tích bằng loại công cụ nào, kết quả liên quan đến các thành viên gia đình sẽ được xử lý như thế nào, lưu trữ và xóa. Hãy tham khảo đơn vị pháp lý/đạo đức để có quyết định pháp lý.
4) Tiêu chí lựa chọn phương tiện:
Tôi nên hỏi tiêu chí quyền riêng tư nào (thỏa thuận xử lý dữ liệu, cam kết không sử dụng trong giáo dục, vận hành cục bộ, kiểm soát truy cập, xóa) khi chọn công cụ AI/phân tích sẽ xử lý dữ liệu di truyền nhạy cảm? Một danh sách kiểm tra đánh giá được tạo ra.
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Nhận xét kết quả BRCA1 của Ahmet Yılmaz (TC: ...): [danh sách biến thể đầy đủ]."
Vấn đề: Mã định danh trực tiếp + dữ liệu di truyền được đưa vào công cụ mở; vi phạm trắng trợn bí mật.
Güçlü: "Không xác định bất kỳ ai, hãy giải thích bằng ví dụ chung về cách đánh giá biến thể dịch chuyển khung hình trong BRCA1 tại ACMG. Tôi không chia sẻ dữ liệu bệnh nhân thực tế."
Tại sao nó mạnh mẽ: Nhu cầu học tập/đánh giá được đáp ứng nhưng không có dữ liệu nhận dạng nào được truyền đi.
Kiểu dữ liệu
Nó có vào công cụ AI đang mở không?
thay thế
Tên bệnh nhân/số nhận dạng
không bao giờ
Không chuyển khoản
Biến thể hiếm + lịch sử
Không bao giờ (xác định)
Chuyển mẫu
câu hỏi khái niệm
Có
Ví dụ chung
Ẩn danh, ví dụ phổ biến
cẩn thận
Công cụ doanh nghiệp/địa phương
Thống kê tổng hợp, ẩn danh
tùy thuộc vào tình hình
Xe có DPA
Những lỗi thường gặp
- Dán dữ liệu nhận dạng là "chỉ dành cho tóm tắt". Dù mục đích là gì thì đó cũng là hành vi vi phạm.
- Nhầm "ẩn danh" với dữ liệu di truyền là bảo mật hoàn toàn. Có thể nhận dạng lại.
- Bỏ quên khía cạnh gia đình. Dữ liệu của một người cũng tiết lộ người thân của họ.
- Không đọc chính sách dữ liệu của xe. Dữ liệu có thể được sử dụng hoặc lưu trữ trong đào tạo.
- Không theo dõi hồ sơ. Nếu không có khả năng kiểm soát thì trách nhiệm không thể được chứng minh.
Thận trọng: Hầu hết các trường hợp vi phạm quyền riêng tư không xuất phát từ mục đích xấu mà từ phản xạ "làm nhanh". Rủi ro lớn nhất là vô tình dán báo cáo vào cửa sổ trò chuyện trong quy trình làm việc thông thường. Chậm lại; Không có nút hoàn tác trên dữ liệu di truyền.
Độ sâu: toán học thực sự của việc tái nhận dạng và kiến trúc an toàn
Tại sao lại sai lầm khi nghĩ “Tôi đã xóa tên, bây giờ là ẩn danh”? Bởi vì không cần một cái tên để xác định một người; Một sự kết hợp của các tính năng hiếm là đủ. Theo một phát hiện kinh điển, bộ ba ngày sinh + giới tính + mã zip có thể phân biệt đại đa số dân số Hoa Kỳ. Trong di truyền học, tình hình còn sắc nét hơn: sự kết hợp của một số biến thể hiếm (mỗi biến thể xảy ra ở mức thậm chí một phần nghìn trong quần thể, cùng với ít hơn một phần triệu) chỉ ra một cá thể. Hơn nữa, dữ liệu bộ gen có thể được kết hợp với cơ sở dữ liệu phả hệ để liên kết một cá nhân với danh tính của họ hàng ngay cả khi cá nhân đó chưa cung cấp bất kỳ dữ liệu nào ở bất kỳ nơi nào khác - một hình thức tấn công thực sự đã được chứng minh trong tài liệu.
Vì vậy, việc bảo tồn đòi hỏi các quyết định kiến trúc vượt xa phản xạ "xóa số nhận dạng". Các lựa chọn thực tế: sử dụng các mô hình cục bộ/tự lưu trữ để không bao giờ để dữ liệu bên ngoài biên giới của tổ chức; nếu đám mây sẽ được sử dụng, hãy chọn các cấp doanh nghiệp có thỏa thuận xử lý dữ liệu (DPA) và cam kết "không sử dụng đầu vào trong đào tạo"; làm việc với thông tin tổng hợp, có nguồn gốc thay vì dữ liệu thô dành riêng cho bệnh nhân bất cứ khi nào có thể; và hạn chế quyền truy cập vào nguyên tắc đặc quyền tối thiểu.
Trường hợp cụ thể: một trung tâm đã tóm tắt một loạt trường hợp “ẩn danh” thành một công cụ AI chung. Tập dữ liệu không chứa tên, nhưng mỗi bệnh nhân có sự kết hợp giữa chẩn đoán hiếm + tuổi + thành phố; Khi xem qua một báo cáo địa phương, một bệnh nhân có thể được xác định. Việc không có số nhận dạng thô không ngăn cản việc nhận dạng lại.
lớp bảo vệ
Những gì cung cấp
giới hạn
Xóa định danh
Trực tiếp xóa ID
Những sự kết hợp hiếm hoi vẫn còn
Mô hình cục bộ/tự lưu trữ
Dữ liệu không rời khỏi tổ chức
Gánh nặng lắp đặt/bảo trì
DPA+ không được sử dụng trong giáo dục
Đảm bảo về mặt pháp lý/hợp đồng
Cần phải đọc chính sách
Tổng hợp/dẫn xuất
Giảm sẹo riêng lẻ
Hạn chế độ sâu phân tích
Tóm lại
- Dữ liệu di truyền là dữ liệu đặc biệt, bất biến, nhận dạng và liên quan đến gia đình; đòi hỏi tiêu chuẩn bảo vệ cao nhất.
- Dữ liệu di truyền có thể nhận dạng của bệnh nhân không bao giờ được nhập vào các công cụ AI mở; các câu hỏi mang tính khái niệm được tách biệt khỏi dữ liệu.
- Các khuôn khổ như KVKK, GDPR, GINA yêu cầu sự đồng ý rõ ràng, giới hạn mục đích và khả năng bảo vệ mạnh mẽ.
- Việc ẩn danh không phải là sự đảm bảo hoàn toàn; Điều an toàn nhất là không chuyển dữ liệu quan trọng nào cả.
Nhiệm vụ ứng dụng
Nhận một báo cáo di truyền mẫu (hư cấu). Sử dụng mẫu 1, liệt kê tất cả các yếu tố xác định trong đó và quyết định nên “bỏ qua” hay “không chuyển giao” cho mỗi yếu tố. Sau đó viết lại câu hỏi lâm sàng tương tự mà không có bất kỳ dữ liệu nhận dạng nào (sử dụng logic mẫu 2). Mô tả sự khác biệt về quyền riêng tư giữa hai phiên bản trong một câu.
danh sách kiểm tra
- [ ] Tôi đã phân loại dữ liệu theo danh tính.
- [ ] Tôi không đưa dữ liệu nhận dạng cá nhân vào công cụ mở.
- [ ] Tôi quan sát thấy có thể xác định được sự kết hợp của các biến thể hiếm.
- [ ] Tôi đã kiểm tra chính sách dữ liệu của công cụ (lưu giữ, đào tạo, DPA).
- [ ] Tôi đã xem xét khía cạnh gia đình và sự đồng ý của bên thứ ba.
- [ ] Tôi đã ghi lại dấu vết giao dịch và chuyển nó đến đơn vị đạo đức/pháp lý khi cần thiết.