收益：
- 能够识别 DICOM 图像中嵌入的识别信息（标头和内置数据）并应用匿名化和安全共享规则
- 能够批判性地评估人工智能模型的验证、证据水平、监管批准（CE/监管）和本地验证
- 能够解决成像背景下的算法偏差、患者同意、责任和透明度等伦理问题
放射数据是最敏感的个人数据类型之一。图像不仅传达一种疾病，而且传达这是谁的病；脑部 MRI 可以通过面部重建来识别一个人，DICOM 文件在其标题中存储患者的姓名、身份证号码和出生日期。在人工智能时代，很容易将这些数据加载到工具中、共享它或用它来训练模型——而正是这种简单性造成了最大的隐私风险。在本单元中，我们将端到端地讨论 DICOM 匿名化、KVKK/隐私、模型验证和道德问题。
核心原则：放射影像和报告是特殊的个人数据。 DICOM 标头中和嵌入图像中的身份数据在未经匿名处理的情况下不会进入任何外部工具。模型的可靠性；验证通过证据水平、监管批准和当地验证进行评估。责任、签名和最终决定始终由放射科医生承担。
DICOM 在两层中承载身份
与其他健康数据不同，放射数据在两个独立的层中携带身份，如果不清除这两层，匿名化是不完整的。
1. DICOM 标头：图像文件开头的结构化字段 — 患者姓名、身份证件/方案号、出生日期、性别、机构、检查日期、设备。这些区域可以使用工具删除/屏蔽，但如果忘记，图像将继续携带标识，同时被认为是“匿名”。
2. 烧入数据：在某些图像中，尤其是超声图像、透视屏幕截图、外部扫描图像中，患者信息直接写入像素中。清除标头并不会删除它；嵌入的文本应被遮盖（覆盖）或该区域应被裁剪。
此外，面部重建风险：面部可以通过高分辨率头/脑 CT 和 MRI 进行三维重建；这也是身份披露的一种形式，在某些情况下，需要“污损”。
层
哪里
如何清洁
如果忘记了
DICOM 标头
文件标题
匿名化工具
ID 保持开放状态
嵌入文本
像素内
遮蔽/裁剪
形象承载身份
人脸数据
3D 头部视图
污损
可通过面部识别
报告正文
RIS/文本
删除姓名/号码
该人已被识别
KVKK 和安全共享
在土耳其，KVKK（个人数据保护法）将健康数据视为最高保护级别的“特殊性质的个人数据”；在欧洲，其对应词是 GDPR。基本规则：仅处理达到必要目的所需的数据；机构外的去匿名化；如果您打算将其用于模型训练，请提供法律依据并在必要时提供明确同意；了解您的数据去向。将非匿名图像/报告上传到公共人工智能工具属于数据泄露行为。具有数据处理协议 (DPA)、不在模型训练中使用您的数据、并且最好在内部/本地工作的企业工具是首选。
注意：说“我刚刚删除了姓氏”或“该工具已经安全”并不是匿名。如果不删除所有姓名、TR ID、协议/考试编号、出生日期、联系人、机构和嵌入/标题身份数据，则任何数据都不会流出机构。匿名不是一种习惯，也不是一次性任务。
模型验证：何时信任模型
仅仅说一个模型“有效”是不够的；还必须说它“有效”。有必要询问它如何、在哪里以及作用程度如何。
- 验证和证据水平：模型在哪些人群中、在多少个案例中、使用哪些指标（敏感性、特异性、假阴性）进行了测试？是否有已发表的独立证据？
- 监管批准：产品是否被批准为医疗器械（例如 CE 标志、相关监管批准）？批准的用途有哪些？
- 本地验证：最关键的一步。该模型是否在您自己的设备、您自己的协议、您自己的人群上进行了测试？如果没有本地验证，就看不到分布漂移（当远离训练条件时性能下降）。
- 可追溯性：是否跟踪模型版本、更新和性能变化？
道德维度
算法偏差：如果模型是针对特定人群进行训练的，那么它在其他群体（年龄、性别、种族、罕见疾病）中的表现可能会更差，并会加剧不平等。患者同意和透明度：患者是否应该知道人工智能正在他的诊断中使用；该机构如何使其透明化？责任：如果人工智能辅助读数出现错误，谁负责——答案在于签字的放射科医生；人工智能不会接管责任。公平准入：如果人工智能工具在某些中心可用，而在其他中心则不可用，这可能会成为不平等的根源。
三个迷你箱子
案例 1 — 嵌入文本违规。医生上传有趣的超声图像，清理其标题，然后将其上传到公共人工智能工具。但在图像的一角，患者姓名和协议编号蚀刻在像素中；尽管标题很干净，但它带有嵌入的帖子 ID。该机构收到 KVKK 通知。正确的方法是屏蔽嵌入区域并像这样共享。
案例 2 — 未经本地验证而传播。某个中心通常会引入在海外人群中训练的骨龄模型，但从未在自己的患者群体中进行验证。几个月后，人们注意到该模型在其总体中存在系统性偏差。如果进行本地验证，从一开始就可以看到这一点。教训：即使是监管部门的批准也不能替代当地的验证。
案例 3 — 举报匿名化。一位放射科医生想要通过人工智能工具与他的同事讨论一个疑难病例。他将故事重写为“62 岁女性，已知乳腺癌病史”，而不是“Ayşe Yılmaz，协议 2024-114523，乳腺癌”；共享图像，并清除 DICOM 标头并屏蔽嵌入文本。进行临床讨论，但没有透露身份。适当的匿名化可以安全地使用人工智能。
弱提示/强提示
弱提示：
Ayşe Yılmaz，TC 123...，协议 2024-114523，乳腺癌，解释此 MRI。
身份被公开共享；这是违反 KVKK 的行为，应该在提示写出来之前就停止了。
强力提示：
您的角色：匿名控制助理。从下面的文本中删除您的姓名、TR ID、协议/考试编号、出生日期、联系方式和机构信息；将其替换为“[已删除]”。仅留下临床上必要的匿名信息（年龄组、性别、相关病史）。另外提醒我：如果我要共享图像，我还需要清除图像中嵌入的 DICOM 标头和文本，并考虑头部/大脑图像中的面部数据。文本：[粘贴文本]
强大的提示提取ID，提醒嵌入/标头和人脸数据。
可复制的提示模板
匿名化控制模板您的角色：匿名化助理。从文本中提取姓名、TR ID 号、协议/检查号、出生日期、联系方式和机构信息；输入“[已删除]”。仅留下临床所需的匿名信息。提醒我，如果我要共享图像，我需要清除标题+嵌入+面部数据。文字：[写]
模型验证查询模板您的角色：助理。我将评估一个人工智能模型。生成我需要问的问题：哪些人群/病例数/指标、监管批准的范围、是否完成了本地验证、分布漂移的风险、版本跟踪。决定权掌握在该机构手中。型号信息: 【夏季】
道德/偏见检查模板将为您提供使用人工智能模型的背景。评估算法偏差（在群体中可能效果不佳）、患者同意/透明度、问责制和公平访问；在每个标题下写下该机构应提出的问题。上下文：[写]
数据流隐私模板将为您提供一个将数据发送到人工智能工具的场景。创建一个清单，询问数据的去向、是否存储、是否用于模型训练及其 DPA/法律依据状态。提醒我们外部车辆的匿名义务。脚本：[写]
常见错误
- 只需清除标题并忘记嵌入的文本即可。图像仍然带有身份。
- 忽略面部数据。可以通过头部/大脑 3D 图像来识别一个人。
- 用监管部门的批准代替当地的验证。同意表明范围；它不保证您自己的数据的性能。
- 不询问算法偏差。该模型可能对某些群体效果不佳，从而扩大不平等。
- 将责任转移给人工智能。放射科医师签名；错误的责任在于人类。
提示：在将任何数据发送到机构外部之前，请先问一个问题：“如果这些数据被泄露，患者的身份能否被识别？”如果答案是“是”或“不确定”，则数据还不是匿名的 - 不要发送它。
总之
放射图像和报告是特殊的个人数据，需要 KVKK/GDPR 范围内的最高保护。 DICOM 数据在两层中承载身份（标题和图像中嵌入的文本），并且任何数据在离开企业时都经过清理，必要时还包括面部数据。为了信任一个模型，需要评估其验证、证据水平、监管批准和本地验证，特别是在您自己的设备/人群中；监管部门的批准不能替代当地验证。在道德层面，算法偏见、患者同意、透明度、公平访问和责任受到质疑。在所有情况下，签名、责任和最终决定均属于放射科医生。
应用任务
创建事实文本和图像共享场景。使用“匿名化检查”模板对文本进行匿名化，并列出标题/嵌入文本/人脸数据检查步骤。然后使用“模型验证查询”模板评估您正在使用（或考虑）的模型：人口、验证范围、本地验证状态。最后，使用“道德/偏见控制”模板，写下该模型在哪些群体中可能效果不佳以及透明度/问责制问题。
清单
- [ ] 我清除了 DICOM 标头中的 ID 字段。
- [ ] 我屏蔽/裁剪了图像中的烧录文本。
- [ ] 我评估了头部/大脑图像中面部数据的风险。
- [ ] 我对报告/故事文本（姓名、ID、协议、出生日期）进行了匿名处理。
- [ ] 我对外部工具的数据流和 DPA/法律依据提出质疑。
- [ ] 我检查了模型的本地验证和验证范围。
- [ ] 我评估了算法偏差、透明度和问责制；我有签名。