Niyet çoğu zaman masum oluyor: "Eksik değerleri saysın", "hangi testi kullanacağımı söylesin", "şu tabloyu düzenlesin", "epikrizlerden değişken çıkarsın." Risk ise aracın verdiği cevaptan önce, dosyanın sisteme gönderildiği anda başlıyor.
Bu yazının konusu üretken yapay zekâyı araştırmadan dışlamak değil. Amaç daha dar ve daha uygulanabilir bir ayrım kurmak: veriyi problemden ayırmak. Yöntem sorusunu tartışmak için hasta satırlarına ihtiyaç yok.
"Kimlik bilgilerini sildim" neden yeterli değil?
Klinik veri setlerinde doğrudan tanımlayıcılar kadar dolaylı tanımlayıcılar da belirleyici. Şu alanlar tek başlarına sıradan görünür:
- 43 yaş
- Nadir bir konjenital hastalık
- Belirli bir hastanede belirli bir ayda yapılmış ameliyat
- Yoğun bakımda 37 gün kalış
- İkinci bir nadir komplikasyon
Bu parçalar birleştiğinde kişinin kimliği, hastane çalışanı veya başka bir veri kaynağına erişimi olan biri tarafından tahmin edilebilir hâle gelir. Hücrelerin içinde ad bulunmaması, veri setinin kişiyle ilişkilendirilemez olduğu anlamına gelmiyor.
Sağlık verileri, 6698 sayılı Kişisel Verilerin Korunması Kanunu bakımından özel nitelikli kişisel veri kategorisinde. Bu kategori, işlenmesi için daha sıkı koşullar öngörüyor.
Dört kavram, dört farklı güvence düzeyi
Maskeleme değerin bir bölümünü gizler. Takma adlandırma gerçek kimlik yerine kod kullanır. Kimliksizleştirme doğrudan tanımlayıcıları kaldırabilir. Anonimleştirme ise verinin başka verilerle eşleştirilse dahi belirli veya belirlenebilir bir gerçek kişiyle ilişkilendirilememesini gerektirir — bu, ad sütununu silmekten çok daha güçlü bir ölçüttür.
Bir araştırma kodunun anahtarı kurumda tutuluyorsa ya da tarihler ile nadir özelliklerden kişiye ulaşılabiliyorsa, veri çoğu durumda anonim değil; kodlanmış veya takma adlandırılmış veridir. Aradaki fark akademik bir ayrıntı değil: anonim veri kanun kapsamı dışına çıkarken, kodlanmış veri kişisel veri olmayı sürdürür.
Hangi dosyalar özellikle riskli?
Hasta düzeyi Excel ve CSV dosyaları
Yüzlerce sütunlu çalışma dosyalarında araştırmacının fark etmediği tanımlayıcılar kalabiliyor: dosya adı, gizli sayfalar, hücre yorumları, formüllerde kalan referanslar, serbest metin alanları, hastane protokol numarası veya tarih kombinasyonları. "Sadece ilk 20 satırı yükledim" yaklaşımı da sorunu çözmez — küçük bir örnek, nadir vakaları daha da görünür kılabilir.
Epikriz, ameliyat notu ve konsültasyon metinleri
Serbest metinler isim dışında telefon, adres, hekim adı, kurum bilgisi, akrabalık ilişkisi ve benzersiz klinik öykü içerebiliyor. Otomatik değişken çıkarmaya uygun göründükleri için cazipler; mahremiyet bakımından ise en zor veri türlerinden biri.
Radyoloji, patoloji ve DICOM görüntüleri
Görüntünün üstündeki yazılar silinse bile dosya metadatasında hasta ve cihaz bilgileri kalabilir. Yüz görüntüleri veya nadir anatomik özellikler de tanımlayıcı olabilir. Ekran görüntüsü almak metadata riskini azaltır ama klinik verinin özel nitelikli olma durumunu ortadan kaldırmaz.
Hakem dosyaları ve yayımlanmamış makaleler
Burada hasta mahremiyetine fikrî mülkiyet ve editoryal gizlilik de ekleniyor. Değerlendirme için gönderilmiş bir metin, size emanet edilmiş gizli bir belgedir.
Ücretli hesap kullanmak veriyi güvenli yapar mı?
Ücretli, kurumsal ya da "veriler eğitimde kullanılmıyor" açıklaması bulunan bir hesap tek başına yeterli değil. Bir kurumun bu kullanımı değerlendirebilmesi için şu soruların tamamının cevaplanması gerekiyor:
- Veri sorumlusu kim?
- İşleme amacı ve hukuki şart nedir?
- Hizmet sağlayıcı hangi rolde?
- Veriler nerede işleniyor ve saklanıyor?
- Alt işleyenler var mı?
- Yurt dışı aktarım söz konusu mu?
- Saklama süresi ve silme mekanizması nedir?
- Kurumun bilgi güvenliği politikası ve etik kurul onayı bu kullanımı kapsıyor mu?
- Erişim kayıtları, yetkilendirme ve olay yönetimi nasıl sağlanıyor?
Bu değerlendirme yapılmadan "hesabımız kurumsal, yükleyebiliriz" sonucu çıkarılamaz. Not: bu yazı hukuki görüş değil; kurumsal uygulamalar ve mevzuat yorumu için kurumun hukuk ve veri koruma birimine başvurulmalı.
Yapay zekâdan güvenli biçimde nasıl yararlanılır?
Veriyi problemden ayıran beş adım
Gerçek veri yerine yapıyı anlatın
Örneğin: ikili sonlanım, üç sürekli aday değişken, iki kategorik karıştırıcı ve yüzde 8 eksik veri. Yöntem tartışılır, hasta bilgisi aktarılmaz.
Tamamen sentetik örnek kullanın
Gerçek bir hastanın değerlerinden türetilmemiş, rastgele üretilmiş birkaç satırla kod sözdizimi veya tablo biçimi sorulabilir.
Analizi onaylı ortamda yürütün
Gerçek veri kurumun yetkilendirilmiş bilgisayarında veya onaylı güvenli analiz ortamında kalır; R, Python, SPSS veya Stata kodu yerelde çalışır.
Çıktıyı yeniden tanımlanabilirlik açısından denetleyin
Çok küçük hücreler, nadir kombinasyonlar ve ayrıntılı vaka açıklamaları kişiyi dolaylı olarak gösterebilir; hücre baskılama veya gruplama gerekebilir.
Karar ve işlem kaydı tutun
Hangi aracın, hangi amaçla, hangi veri olmadan kullanıldığı yazılı olsun. Bu kayıt hem beyanı hem kurum içi denetimi kolaylaştırır.
Dördüncü adım gözden kaçıyor: tabloların kendisi de kişisel veri riski taşıyabiliyor. Bir hücrede tek hasta varsa ve o hasta nadir bir tanıya sahipse, tablo o kişiyi işaret eder.
Araştırma ekibi için güvenli veri akışı
İyi kurulmuş bir klinik veri akışı sekiz durakta ilerler. Önce araştırma sorusu ve değişkenler protokolde tanımlanır; veri sorumlusu, erişim yetkileri ve hukuki dayanak netleşir. Toplama aşamasında yalnız gerekli alanlar istenir — veri minimizasyonu — ve kimlik anahtarı analiz veri setinden ayrı, daha sıkı bir erişimle tutulur.
Kalan dört durak analiz tarafında:
- Kalite kontrolleri onaylı ortamda çalıştırılır
- Analiz kodu sürümlenir
- Dışarı çıkan tablo ve figürler açıklanma riski bakımından kontrol edilir
- Yapay zekâ kullanıldıysa araç, amaç ve kapsam doğru biçimde beyan edilir
Bu yapı yalnız veri koruma için değil, çalışmanın bilimsel güvenilirliği için de gerekli. Hangi dosya sürümünün analiz edildiği belli değilse aynı sonuç daha sonra yeniden üretilemez. Veri setinin bu disiplinle nasıl kurulacağını arşiv taramasında veri kaydı yazımızda anlattık.
Yükleme öncesi kırmızı ışık kontrolü
Aşağıdaki sorulardan birine "evet" diyorsanız dosyayı üretken yapay zekâ aracına yüklemeyin:
- Dosyada gerçek hasta satırları var mı?
- Ad silinse bile tarih, nadir hastalık veya merkez bilgisi duruyor mu?
- Serbest metin klinik not bulunuyor mu?
- Görsel dosya metadata içeriyor mu?
- Kurumun açık onayı ve tanımlı güvenli işleme ortamı yok mu?
- Yurt dışı aktarım ve saklama koşulları değerlendirilmedi mi?
- Araç kullanımının etik kurul veya protokol kapsamına girip girmediği belirsiz mi?
- Aynı işi sentetik veriyle ya da yerel kodla yapmak mümkün mü?
Son madde çoğu durumda belirleyici oluyor: soru gerçekten hasta verisini gerektiriyor mu, yoksa veri yapısını anlatmak yeterli mi?
"Yüklemeden analiz yaptırmak" mümkün mü?
Evet. İstatistik danışmanlığında verinin aktarım yöntemi, erişim sınırı, amaçla sınırlılık ve saklama süresi açıkça tanımlanabiliyor. Analiz, gerçek hasta verisini genel amaçlı bir sohbet arayüzüne yüklemek zorunda değil.
Yapay zekâ araçları varsa kod gözden geçirme veya dil desteği gibi kişisel veri içermeyen sınırlı işlerde kullanılabilir; gerçek analiz verisi kontrollü istatistik ortamında kalır. Veriyi hiç dışarı çıkarmadan da ilerlenebiliyor. Biyoistatistik analiz tarafında veri kabulünden teslime kadar her adım kayıtlı bir iş akışında ilerliyor.
Klinik veri bir bütün olarak taşınır
Hasta verisinde en tehlikeli varsayım "adı sildim, artık sorun yok" düşüncesi. Klinik veri, doğrudan ve dolaylı tanımlayıcılarıyla bir bütün; yeniden tanımlanabilirlik de tek bir sütunun değil, kombinasyonların meselesi.
Üretken yapay zekânın sağladığı hız, mahremiyet, hukuki dayanak ve bilimsel yeniden üretilebilirlik yükümlülüklerini ortadan kaldırmıyor. İyi haber şu: yöntem sorusunu tartışmak için hasta satırına neredeyse hiç ihtiyaç yok.
Kullanılan kaynaklar
- 6698 sayılı Kişisel Verilerin Korunması Kanunu — özel nitelikli kişisel veriler ve işleme şartları.
- Kişisel Verileri Koruma Kurumu. Kişisel verilerin silinmesi, yok edilmesi veya anonim hâle getirilmesi rehberi.
- International Committee of Medical Journal Editors. Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals — gizlilik ve hakemlik bölümleri.
Not: Bu yazı eğitim amaçlıdır; hukuki görüş veya kuruma özgü uyum değerlendirmesi değildir. Kurumsal kullanım kararları için hukuk ve veri koruma birimlerine başvurulmalıdır.