AI klīnisko piezīmju privātuma problēma
Atjaunots 2026. gadam
Slimnīcas un klīnikas izmanto AI, lai rakstītu klīniskās piezīmes. AI transkribē balsi un sagatavo tekstu. Taču tas rada HIPAA nepilnību, ko manuāla pārskatīšana nevar novērst.
AI ģenerētas piezīmes pakļauj pacienta ierakstus trīs veidos:
- Krusteniska kontaminācija: AI var ielikt informāciju no viena pacienta cita pacienta ierakstā. Medicīniskā AI pētījumi ir parādījuši šo risku.
- Konteksta izplūšana: Pacienta informācija nonāk nepareizajā laukā - rēķina piezīmē, pētniecības laukā vai nosūtīšanas veidlapā. AI aizpilda laukus pēc konteksta, nevis pēc lauka mērķa.
- Piegādātāja datu izmantošana: Daudzi AI piegādātāji nosūta piezīmes atpakaļ modeļa pārskatīšanai, ja vien jūs neatsakāties. Tas nosūta pacienta informāciju uz trešo pušu serveriem. Šiem serveriem var nebūt parakstīts BAA.
HHS 2025. gadā publicēja ierosināto noteikumu. Tas nosaka, ka struktūrām, kas izmanto AI rīkus, šie rīki jāiekļauj riska analīzē. Tas rada formālu noteikumu AI palīdzētam klīniskajam darbam.
2025. gada HHS AI riska analīzes noteikums
HHS ierosināja jaunus noteikumus aptvertajām struktūrām, kas izmanto AI. Katrai AI sistēmai, kas pieskaras pacienta ierakstiem, jābūt struktūras riska analīzē.
Noteikumam ir trīs daļas:
Tehniskie aizsardzības līdzekļi: Pārskatiet katru AI rīku. Jautājiet:
- Vai tas nosūta pacienta ierakstus ārpus jūsu sistēmām?
- Vai tas glabā pacienta ierakstus savos serveros pēc izmantošanas?
- Vai tas ieraksta pacienta informāciju nepareizajā ierakstā?
Personāla apmācība: Apmācībai jāaptver AI specifiskie riski. Tas ietver ierakstu sajaukšanas gadījumus.
Fiziskie kontroles: Darba stacijām, kas darbina AI rīkus, jābūt fiziskās piekļuves kontroles daļai.
AI klīniskie rīki ietver balss-uz-tekstu pakalpojumus, AI piezīmju sagatavošanas rīkus un kodēšanas rīkus.
Kāpēc priekšsaglabāšanas atklāšana darbojas
Labākā tehniskā kontrole ir PHI atklāšana pirms piezīme tiek saglabāta EHR.
Bez priekšsaglabāšanas atklāšanas:
- AI uzraksta melnrakstu
- Personāls to pārskata manuāli, laika spiediena apstākļos
- Piezīme tiek saglabāta EHR
- PHI kļūdas tagad ir pastāvīgajā ierakstā
- To labošanai nepieciešami audita ieraksti un pārkāpuma pārskats
Ar priekšsaglabāšanas atklāšanu:
- AI uzraksta melnrakstu
- PHI skenēšana tiek veikta pirms piezīmes saglabāšanas
- Atzīmētie elementi tiek nodoti personāla pārskatīšanai
- Personāls novērš kļūdas pirms saglabāšanas
- EHR ieraksts ir tīrs no paša sākuma
Priekšsaglabāšanas atklāšana atbilst HIPAA drošības noteikumam 164.312(b). Šis noteikums prasa sistēmas, kas reģistrē un pārbauda darbību. Priekšsaglabāšanas skenēšana izveido audita ierakstu katrai pārskatītajai piezīmei.
18 PHI kategorijas AI piezīmēs
HIPAA drošā patvēruma noteikums prasa noņemt 18 PHI kategorijas (45 CFR 164.514(b)). AI piezīmes var uzrādīt visas 18 negaidītos veidos:
- Vārdi - pacients nosaka ģimenes locekli simptomu vēsturē
- Atrašanās vieta - mājas adrese sociālajā vēsturē
- Datumi - dzimšanas datumi, uzņemšanas datumi, procedūru datumi
- Tālruņu un faksa numuri - kontaktinformācija nosūtīšanas piezīmēs
- E-pasta adreses - pacienta sniegtā kontaktinformācija
- SSN - apdrošināšanas konteksts
- Medicīniskās kartes numuri - AI kopsavilkumos savstarpēji atsaucās
- Veselības plānu numuri - apdrošināšanas konteksts
- Konta numuri - norēķinu konteksts
- Licences numuri - pakalpojumu sniedzēja licences informācija nosūtījumos
- Transportlīdzekļu ID - negadījumu konteksts traumu piezīmēs
- Ierīces ID - implantu piezīmes
- URL - pacienta iesniegtas saites uz veselības ierakstiem
- IP adreses - attālinātās sesijas žurnāli
- Biometriskie ID - pirkstu nospiedumu vai balss nospiedumu dati
- Fotogrāfijas - saistītie mediji AI sistēmās
- Jebkurš cits unikāls ID - pielāgoti iestādes identifikatori
AI modeļi var izveidot jebkuru no šīm no konteksta. Atklāšanai jāaptver visas 18 - ne tikai SSN un datumi.
Kā pievienot priekšsaglabāšanas atklāšanu
Priekšsaglabāšanas PHI pārbaude ietver piecus soļus:
- AI uzraksta piezīmes melnrakstu
- Piezīmes teksts nonāk atklāšanas API pirms personāls to redz
- Atzīmētie elementi tiek rādīti melnraksta skatā
- Personāls pārskata atzīmes parastās piezīmju pārskatīšanas laikā
- Personāls saglabā piezīmi - bez atzīmētajiem elementiem vai ar reģistrētu iemeslu
Kas sistēmai nepieciešams:
- Ātrums: mazāk par 200 ms, lai nepalēninātu darbplūsmu
- Segums: visas 18 HIPAA kategorijas plus lokālie modeļi, piemēram, jūsu MRN formāts
- Novērtēšana: elementi virs 85% tiek automātiski atzīmēti; 50-85% ir nepieciešama personāla pārskatīšana; zem 50% rāda tikai kā atsauci
- Audita žurnāls: reģistrē katru atzīmēto elementu, tā vērtējumu un recenzenta lēmumu
Audita žurnāls sniedz tiešu pierādījumu HHS riska analīzei. Tas parāda, ka jums ir kontroles AI ģenerētajai PHI.
Lietošanas gadījums: Priekšsaglabāšanas atklāšana medicīnas centrā
Viena akadēmiska medicīnas centra ārstu piezīmēm izmantoja AI vides sistēmu. 90 dienu revīzijā tika atklāti divi sajaukšanas gadījumi. Vienā piezīmē bija cita pacienta dzimšanas datums. Otrā bija ģimenes locekļa vārds un SSN no sociālās vēstures.
Pēc priekšsaglabāšanas PHI atklāšanas pievienošanas:
- Visi AI melnraksti tika skenēti pirms ārsta pārskatīšanas
- Vidējais skenēšanas laiks: 47 ms - nav jūtams darbplūsmā
- 90 dienu laikā: 1 247 elementi tika atzīmēti 8 400 piezīmēs
- Personāls pārskatīja un atrisināja 94% atzīmēto elementu
- Pēc palaišanas nulle ierakstu sajaukšanas incidentu
Sistēma sagatavo ikmēneša pārskatu. Tas rāda atklāšanas likmes, pārskatīšanas likmes un entītiju tipus. Šis pārskats kalpo kā revīzijas kontroles pierādījums saskaņā ar HIPAA drošības noteikumu 164.312(b).
Komandas, kas veido šo darbplūsmu, var izmantot anonym.legal PHI atklāšanas API. Tas aptver visas 18 HIPAA kategorijas ar mazāk nekā 200 ms latenci. Skatiet PHI atklāšanas integrācijas ceļvedi iestatīšanas soļiem. Pilnīgam kontekstam apmeklējiet veselības aprūpes lietošanas gadījumu lapu.