Masalah Privasi Catatan Klinis AI
Diperbarui untuk 2026
Rumah sakit dan klinik menggunakan AI untuk menulis catatan klinis. AI mentranskripsikan suara dan membuat teks. Tetapi ini menciptakan celah HIPAA yang tidak bisa ditutup oleh peninjauan manual.
Catatan yang dibuat AI mengekspos catatan pasien dalam tiga cara:
- Kontaminasi silang: AI mungkin menarik informasi dari satu pasien ke catatan pasien lain. Studi AI medis telah menunjukkan risiko ini.
- Perembetan konteks: Informasi pasien masuk ke bidang yang salah — catatan tagihan, bidang penelitian, atau formulir rujukan. AI mengisi bidang berdasarkan konteks, bukan berdasarkan tujuan bidang.
- Penggunaan data vendor: Banyak vendor AI mengirim catatan kembali untuk tinjauan model kecuali Anda memilih keluar. Ini mengirim informasi pasien ke server pihak ketiga. Server tersebut mungkin tidak memiliki BAA yang ditandatangani.
HHS menerbitkan aturan yang diusulkan pada 2025. Ini menyatakan bahwa entitas yang menggunakan alat AI harus menyertakan alat-alat tersebut dalam analisis risiko mereka. Ini menciptakan aturan formal untuk pekerjaan klinis berbantuan AI.
Aturan Analisis Risiko AI HHS 2025
HHS mengusulkan aturan baru untuk entitas yang dilindungi yang menggunakan AI. Setiap sistem AI yang menyentuh catatan pasien harus muncul dalam analisis risiko entitas.
Aturan ini memiliki tiga bagian:
Perlindungan teknis: Tinjau setiap alat AI. Tanyakan:
- Apakah ia mengirim catatan pasien di luar sistem Anda?
- Apakah ia menyimpan catatan pasien di servernya setelah digunakan?
- Apakah ia menulis informasi pasien ke catatan yang salah?
Pelatihan staf: Pelatihan harus mencakup risiko khusus AI. Ini termasuk kasus campur aduk catatan.
Kontrol fisik: Workstation yang menjalankan alat AI harus menjadi bagian dari kontrol akses fisik.
Alat klinis AI mencakup layanan voice-to-text, alat pembuatan catatan AI, dan alat pengkodean.
Mengapa Deteksi Pra-Simpan Berhasil
Kontrol teknis terbaik adalah deteksi PHI sebelum catatan disimpan ke EHR.
Tanpa deteksi pra-simpan:
- AI menulis draf
- Staf meninjaunya secara manual, di bawah tekanan waktu
- Catatan disimpan ke EHR
- Kesalahan PHI sekarang ada di catatan permanen
- Memperbaikinya memerlukan entri audit dan tinjauan pelanggaran
Dengan deteksi pra-simpan:
- AI menulis draf
- Pemindaian PHI berjalan sebelum catatan disimpan
- Item yang ditandai dikirimkan ke staf untuk ditinjau
- Staf memperbaiki kesalahan sebelum menyimpan
- Catatan EHR bersih sejak awal
Deteksi pra-simpan memenuhi Aturan Keamanan HIPAA 164.312(b). Aturan itu mensyaratkan sistem yang mencatat dan memeriksa aktivitas. Pemindaian pra-simpan membuat catatan audit untuk setiap catatan yang ditinjau.
18 Kategori PHI dalam Catatan AI
HIPAA Safe Harbor mensyaratkan penghapusan 18 kategori PHI (45 CFR 164.514(b)). Catatan AI bisa memunculkan semua 18 dengan cara yang mungkin tidak Anda duga:
- Nama — pasien menyebutkan anggota keluarga dalam riwayat gejala
- Lokasi — alamat rumah dalam riwayat sosial
- Tanggal — tanggal lahir, tanggal masuk, tanggal prosedur
- Nomor telepon dan faks — informasi kontak dalam catatan rujukan
- Alamat email — detail kontak yang diberikan pasien
- SSN — konteks asuransi
- Nomor catatan medis — direferensikan silang dalam ringkasan AI
- Nomor rencana kesehatan — konteks asuransi
- Nomor akun — konteks penagihan
- Nomor lisensi — informasi lisensi penyedia dalam rujukan
- ID kendaraan — konteks kecelakaan dalam catatan trauma
- ID perangkat — catatan implan
- URL — tautan yang dikirimkan pasien ke catatan kesehatan
- Alamat IP — log sesi jarak jauh
- ID biometrik — data sidik jari atau cetakan suara
- Foto — media tertaut dalam sistem AI
- ID unik lainnya — pengenal fasilitas khusus
Model AI dapat menciptakan salah satu dari ini dari konteks. Deteksi harus mencakup semua 18 — bukan hanya SSN dan tanggal.
Cara Menambahkan Deteksi Pra-Simpan
Pemeriksaan PHI pra-simpan mengikuti lima langkah:
- AI menulis draf catatan
- Teks catatan dikirim ke API deteksi sebelum staf melihatnya
- Item yang ditandai ditampilkan dalam tampilan draf
- Staf meninjau tanda selama peninjauan catatan normal
- Staf menyimpan catatan — tanpa item yang ditandai, atau dengan alasan yang dicatat
Yang dibutuhkan sistem:
- Kecepatan: di bawah 200ms agar tidak memperlambat alur kerja
- Cakupan: semua 18 kategori HIPAA ditambah pola lokal seperti format MRN Anda
- Penilaian: item di atas 85% ditandai otomatis; 50–85% memerlukan tinjauan staf; di bawah 50% ditampilkan hanya sebagai referensi
- Log audit: catat setiap item yang ditandai, skornya, dan keputusan peninjau
Log audit memberi Anda bukti langsung untuk analisis risiko HHS. Ini menunjukkan Anda memiliki kontrol untuk PHI yang dibuat AI.
Kasus Penggunaan: Deteksi Pra-Simpan di Pusat Medis
Satu pusat medis akademik menggunakan sistem AI ambien untuk catatan dokter. Audit 90 hari menemukan dua kasus campur aduk. Satu catatan memiliki tanggal lahir pasien lain. Catatan kedua memiliki nama anggota keluarga dan SSN dari riwayat sosial.
Setelah menambahkan deteksi PHI pra-simpan:
- Semua draf AI dipindai sebelum tinjauan dokter
- Rata-rata waktu pemindaian: 47ms — tidak dirasakan dalam alur kerja
- Selama 90 hari: 1.247 item ditandai di 8.400 catatan
- Staf meninjau dan menyelesaikan 94% item yang ditandai
- Nol insiden campur aduk catatan setelah peluncuran
Sistem menghasilkan laporan bulanan. Ini menunjukkan tingkat deteksi, tingkat peninjauan, dan jenis entitas. Laporan ini berfungsi sebagai bukti kontrol audit di bawah Aturan Keamanan HIPAA 164.312(b).
Tim yang membangun alur kerja ini dapat menggunakan API deteksi PHI anonym.legal. Ini mencakup semua 18 kategori HIPAA pada latensi di bawah 200ms. Lihat panduan integrasi deteksi PHI untuk langkah-langkah penyiapan. Untuk konteks menyeluruh, kunjungi halaman kasus penggunaan layanan kesehatan.