收益：
- 能够将患者数据定义为特殊个人数据以及 KVKK 规定的义务
- 能够实现上下文匿名化、数据最小化和公司/政策合规工具选择
- 了解数据泄露的临床、法律和道德后果以及预防链
患者数据是一个人最私密的信息：他们的疾病、遗传特征、心理健康、成瘾、性健康。在土耳其，第 6698 号个人数据保护法 (KVKK) 将健康数据定义为特殊个人数据；换句话说，它提供了最高级别的保护。不小心将这些数据输入人工智能 (AI) 工具会损害患者隐私和法律责任。在本单元中，您将学习如何在使用人工智能、匿名化和数据最小化、选择安全工具以及违规后果时保护患者数据。基本原则：不给出不必要的数据；匿名您所提供的内容；仅使用适当的、符合政策的工具。
为什么健康数据是私有的？
根据 KVKK 的定义，个人数据是属于已识别或可识别的自然人的任何信息。另一方面，健康数据具有“特殊性”：其处理通常需要明确同意或法律允许的特殊情况，并且必须采取更严格的安全措施。即使患者没有名字；当一种罕见疾病、特定病史、机构和年龄结合在一起时，一个人就可以被重新定义。这就是为什么“我删除了名字，我很安全”的想法具有误导性；间接标识符也会带来风险。
注意：如果没有明确同意和适当的预防措施，将健康数据输入到使用数据进行模型训练或服务器/策略不明确的人工智能服务中，则属于违反 KVKK 的行为。责任在于医生和机构； “我不知道”不能作为辩护理由。
三种基本防御
1.数据最小化。仅提供任务真正必要的信息。不需要患者的姓名、ID 或地址来简化紧急事件的语言。
2. 匿名化。使用标签删除或替换直接标识符（姓名、ID、文件号、电话、地址、日期）。还概括间接标识符（罕见诊断+机构+日期）。
3.安全选车。选择符合合同、企业和 KVKK 标准的工具，以保证数据不会用于教育。阅读隐私政策：数据存储在哪里、保存多长时间、谁有权访问？
一步一步：符合 KVKK 标准的 AI 使用
- 这些数据有必要吗？切勿给予不必要的东西。
- 匿名。清晰的直接和间接标识符。
- 验证工具。策略、保留、教育用途、服务器位置。
- 是否需要明确同意？如有必要，按机构程序办理。
- 也保留输出。 AI输出是否存在身份泄露？
- 踪迹和政治。遵守公司数据处理记录。
三个迷你箱子
案例 1——防止违规。助理想用AI总结一个有趣的案例来展示。首先，它从文本中提取姓名、ID、文件号和日期，概括机构并选择经机构批准但不在教育中使用数据的工具。因此，它既加快了工作速度，又保护了隐私。
案例 2 — 间接识别的风险。一名医生在人工智能中输入短语“X 县唯一的儿科肿瘤患者”。没有名字，但这个描述指向一个孩子；可以重新定义。根据他的同事的说法，医生概括了这一说法（“儿科肿瘤学案例”）并消除了风险。
情况 3 — 使用错误的工具。诊所使用免费工具回复患者消息，无需阅读隐私政策；后来发现该工具在训练中使用了这些数据。该机构停止车辆，审查流程并转向符合 KVKK 标准的解决方案。提前阅读政策本来可以从一开始就防止这种风险。
标识符类型表
流派
例子
待完成
直接标识符
姓名、TR ID、文件号、电话
删除/标记
半描述性的
完整出生日期、完整地址
概括（年份、地区）
间接标识符
罕见诊断+机构+病史
概括上下文
自由文本
注释中提到的名称/事件
扫描并清洁
输出泄漏
人工智能生成文本中的身份
还要检查输出
四个可复制模板
任务：查找并分类以下文本中的所有个人/健康标识符：直接（姓名、ID、档案号、电话、地址）、半（完整日期）、间接（罕见诊断 + 机构 + 日期）。将每个替换为 [LABEL]，保留临床意义。文本：[...]
任务：评估此病例摘要的红色识别风险。什么样的信息组合可以指向这个人？我应该归纳哪些陈述来降低风险？摘要：[...]
任务：为我制作一个清单来评估人工智能工具的隐私政策：训练中使用的数据、存储了多少、服务器在哪里、谁访问它、是否有 KVKK/数据处理器协议？
任务：扫描并标记以下 AI 输出，以查找其可能包含的任何识别或重新识别信息。如果存在泄漏，建议使用清洁版本。输出：[...]
弱提示/强提示
弱：“Ahmet Yılmaz，TC 123...，档案 456，X 医院，总结了住院患者的经历，诊断如下。”
Güçlü：“简化匿名病例摘要：60多岁男性，在内科病房住院，[诊断]，[治疗]。未给出姓名、ID、档案号、机构和完整日期。打印输出中不要提供任何识别信息。”
在强大的提示下，数据最小化、匿名；隐私和输出都受到保护。
常见错误
- 想着“我删除了名字，我就安全了”。间接标识符也有描述。
- 提供不必要的数据。根本不应输入任务不需要的信息。
- 不读政策。应该知道该工具是否在训练中使用数据。
- 不控制输出。人工智能输出中的身份也可能被泄露。
- 绕过同意。必要时不应忽视明确的同意和程序。
如果违反：链中的下一个链接
匿名化和工具选择是先发制人的防御；但如果有违规行为，应该提前知道该怎么做。 KVKK 对数据控制者规定了某些义务：如果发现违规行为，立即评估违规行为，通知相关人员，并在必要时通知个人数据保护委员会，以限制损害。在临床环境中，这需要机构而不是单个医生作为数据控制者来操作该流程。
实践中重要的是不要隐藏或最小化违规行为。 “反正它没有名字”或“没有人注意到”的态度进一步损害了法律风险和患者的信任。正确的反应是立即将事件报告给机构的相关单位（数据控制者/合规者），记录哪些数据去了哪里，并进行纠正以防止再次发生。违规行为也是一个学习机会，可以揭示系统的薄弱环节：跳过了哪些步骤，缺少了哪些规则？
注意：隐瞒侵犯隐私行为可能会产生比侵犯行为本身更严重的后果。无论从法律上还是从道德上来说，透明的报告和快速的补救都是正确的道路。
综上所述
患者数据属于 KVKK 规定的特殊个人数据，需要最高程度的保护。使用人工智能时应用三种防御措施：不提供不需要的数据（最小化）、对所提供的数据进行匿名化（直接和间接标识符）、仅选择符合政策的工具并且不使用数据进行训练。还要检查输出是否泄漏。违规行为的后果在临床、法律和伦理上都是严重的；责任在于医生和机构。
应用任务
使用上面的清单评估您自己使用的人工智能工具的隐私政策：训练中是否使用了数据，存储了多少，服务器在哪里？然后对真实案例文本进行匿名化（亲手）；查找并清除每个直接、半和间接标识符。考虑是否仍然存在重新识别的风险。
清单
- [ ] 我从来没有为任务提供不必要的数据。
- [ ] 我删除/标记了直接标识符。
- [ ] 我概括了半标识符和间接标识符。
- [ ] 我已经评估了重新识别的风险。
- [ ] 我已阅读该工具的隐私政策并验证其适用性。
- [ ]我检查了AI输出是否存在身份泄露。
- [ ] 我在必要时应用了明确同意和机构程序。