收益：
- 能够定义为什么患者数据是敏感个人数据以及如何在将其提供给人工智能工具之前对其进行保护
- 能够去识别环境，选择在教育中不使用数据的工具，并养成遵守机构政策的习惯。
- 能够了解侵犯隐私的专业、法律和道德后果以及保护患者信任的优先事项。
病人信任你他最私密的信息：他的疾病、他的过去、他的恐惧，有时还有他没有告诉任何人的秘密。这种信任是护理职业的基础，而患者保密则是这种信任的具体对应。虽然人工智能工具功能强大，但它们也带来了隐私风险：不小心将患者信息输入人工智能工具意味着在不知道信息去向、是否存储以及是否用于教育的情况下将这些信息泄露出去。在本单元中，您将学习如何在人工智能时代保护患者数据。基本原则是：患者数据是特殊的个人数据；在未进行去识别化并使用安全且经过批准的工具的情况下，不会将其提供给任何人工智能工具。
为什么患者数据受到私密保护
个人数据是指识别个人身份的任何信息（姓名、身份证号码、地址）。特殊个人数据属于较为敏感的类别；其中健康数据排在第一位。当一个人的疾病被披露时，就业、保险、社会关系和尊严可能会受到影响。这就是为什么法律（KVKK - 我国的个人数据保护法；欧洲的 GDPR）以最高级别保护健康数据并将其处理遵守严格的规则。医疗机构也有自己的隐私政策和患者权利法规。
当您将患者信息输入人工智能工具时，该信息通常会发送到您所在机构外部的服务器。您无法控制该工具如何存储数据、谁访问数据以及是否在训练中使用数据。因此，数据在到达车辆之前必须受到保护。
注意：“我只是在寻求帮助”并不能成为侵犯隐私的理由。将患者姓名、ID、罕见诊断或识别详细信息写入未经批准的人工智能工具；这是一种违反专业、道德和法律的行为。损害无法挽回。
如何去识别化
去识别化（匿名化）是从文本中删除所有可以识别个人身份的信息或用标签代替。姓名、TR ID、档案号、出生日期、地址、电话、日期、罕见诊断组合和职业等标识符均被清除。注意：有时，单独看来无害的信息放在一起时却可以让人知道（例如“村里唯一的透析患者”）。在去标识化中，仅仅删除姓名是不够的；有必要确保上下文不会泄露此人。
使用去识别化的文本足以完成大多数任务：护理计划草案、SBAR 布局、培训材料、程序摘要都可以在没有真实身份的情况下生成。身份对于任务的质量几乎从来都不是至关重要的。
三个迷你箱子
案例 1——安全使用。一名护士希望获得人工智能的帮助来组织一个复杂的病例。他从文本中删除了姓名、ID、日期和识别详细信息，并用诸如“68岁患者”之类的通用表达方式进行书写。它使用经机构批准的工具，但不将数据用于教育。他安全地完成了任务。从来不需要身份证。
情况 2 — 秘密标识符。一名护士删除了名字，但写道：“我们医院唯一的双胞胎怀孕了。”这个表情让人知道这个人。一位同事警告说：护士正在概括情况。教训：仅仅删除名字是不够的；上下文也不应该暴露这个人。
案例 3 — 未经批准的车辆。一名护士在赶时间时随机将患者摘要粘贴到免费应用程序中。后来他了解到这个工具可以存储数据并在训练中使用它。出现了严重的隐私问题。教训：使用前检查该工具的隐私政策和机构批准。
循序渐进：使用人工智能的同时保护隐私
- 真的有必要吗？哪些数据至少足以完成任务？
- 辨别身份。清晰的姓名、ID、日期、地址和身份详细信息。
- 检查上下文。剩下的信息会泄露这个人吗？
- 选择工具。机构批准，不在教育中使用数据，符合政策。
- 使用最少的数据。不要给太多。
- 如有疑问，请勿分享。如果不确定，请咨询负责人。
四个可复制模板
任务：对下面的患者文本进行去识别化处理。替换您的名字、姓氏、TR ID 号、档案号、出生日期、地址、电话、日期和可能使该人被 [TAGET] 识别的罕见详细信息；保持临床意义。文本：[...]
任务：在下面的匿名文本中，标记单独看来无害但放在一起时可以使该人被识别的信息，并建议如何概括它。文本：[...]
任务：准备一份清单，根据患者数据评估人工智能工具：它是否在教育中使用数据，将数据存储在哪里，是否有机构批准，数据删除政策是什么？让决定由我来做吧。
任务：为一名护士组织这个（匿名）案例。在整个任务过程中不要添加或请求任何凭据；使用除一般年龄/性别之外的标识符。案例：[...]
弱提示/强提示
弱：“Ahmet Yılmaz，62 岁，TC 123...，因以下诊断而住院，请为他制定护理计划。”
Strong：“使用我提供的一般临床信息为一名 62 岁男性患者（匿名）制定护理计划草案。在整个任务过程中，我不会要求，您也不会添加姓名、ID、日期或任何其他个人身份信息。仅根据一般临床情况进行工作。”
在强烈提示中，从不给出身份证明；质量不会因此受到影响。
常见错误
- 删除名称并忘记上下文。可识别的细节可以暴露一个人。
- 不假思索地使用未经批准/免费的工具。首先检查隐私政策和机构批准。
- 认为身份是“质量所必需的”。几乎没有任务需要真实身份。
- 赶紧贴吧。一旦退出，数据将无法检索。
- 分享有疑问。如果你不确定，就不要给出；请咨询负责人。
如果发生泄漏：损害限制
即使是最细心的护士也可能会犯错误：比如不小心将包含身份证明的文本粘贴到未经批准的车辆中。在这种情况下，恐慌或躲藏是最糟糕的反应。正确的方法是限制损害：立即向护士长和您机构的数据安全/合规部门报告事件，记下哪些数据去了哪里，并遵循机构的事件报告程序。许多工具都可以选择删除过去的对话或关闭数据使用；应该使用这些。及早诚实的报告既可以保护患者，又可以让您在职业上保持正确的立场。隐瞒隐私事件比事件本身更严重。
大多数机构都有针对此类事件的报告和评估流程；目的不是责怪，而是防止再次发生。所以请随意举报。
透明度和患者同意
隐私不仅仅是隐藏数据，而是对患者诚实。患者有权知道他们的信息如何被使用。在护理过程中使用人工智能工具时，机构政策和患者权利框架内的透明度至关重要：与患者数据相关的交易必须按照机构的披露和同意流程进行。作为一名护士，在工具中处理患者数据时，一个好的指南针是问“这是否符合患者对我的信任？”如果您不愿意向患者清楚地解释某个程序，那么您可能不应该这样做。隐私首先是一种信任关系，然后才是技术规则；技术应该加强而不是削弱这种关系。
提示：让去识别化成为一种习惯的一个实用方法是，在处理患者数据之前不断问自己一个问题：“如果这段文本不小心传到了机构之外，有人能知道这个人是谁吗？”即使答案是“也许”，也要进一步概括上下文。另一个经验法则是不断限制数据量：为人工智能提供任务所需的最少信息，不要添加额外的细节“以防万一”。提供的任何额外信息都是不必要且有风险的。隐私不是一次性检查，而是每次击键时都要遵守的纪律；随着时间的推移，这种纪律会成为一种反射，保护您和患者。
综上所述
患者数据是特殊的个人数据，是患者信任的基础。人工智能工具存在将这些数据转移到组织外部的风险。每次使用前对数据进行去识别化处理，确保上下文不会泄露个人信息，选择机构认可的工具，在培训中不使用数据，并且仅使用最少的数据。侵犯隐私是不可逆转的；不要有疑问。几乎所有任务都不需要身份验证。
应用任务
从您自己的服务中获取真实的情况说明书。取消他/她的身份识别：清晰的姓名、ID、日期、地址和可识别的详细信息，然后检查上下文是否仍然泄露此人。然后，打开您使用的人工智能工具的隐私政策，并注意它是否在教育中使用数据以及是否获得机构批准。如果您发现隐私风险，请将其写下来。
清单
- [ ] 我设置了任务的最小数据。
- [ ] 我清除了姓名、ID、日期、地址和标识符。
- [ ] 我已经检查过，剩下的上下文并没有泄露这个人。
- [ ] 我选择了机构认可的工具，但未在培训中使用。
- [ ] 我只使用了所需的最少数据。
- [ ] 我检查了该工具的隐私政策。
- [ ] 有疑问的时候就没有分享，咨询了相关负责人。