Gesundheitsorganisationen sind verpflichtet, einen sensiblen Balanceakt zwischen dem Schutz von Gesundheitsdaten und der Offenlegung dieser hochgradig nützlichen Daten zur Forschung und Innovation für bessere Gesundheitsdienste durchzuführen. Oft bedarf es eines Kompromisses zwischen diesen beiden Interessen, da das Ausschließen oder Ändern von Daten zum Schutz der Privatsphäre von Einzelpersonen häufig zu Lasten der Datenverwendbarkeit erfolgt.
Für Amerikanische Unternehmen gibt der Health Insurance Portability and Accountability Act (HIPAA) glücklicherweise Anweisungen, was zum Schutz der Privatsphäre bei der Offenlegung von Gesundheitsdaten zu tun ist. Das Gesetz trifft somit eine verbindliche Entscheidung darüber, welche Informationen aus einem Datensatz ausgeschlossen werden müssen, um das Risiko der Wiederidentifizierung von Personen, deren Daten im Datensatz enthalten sind, ausreichend zu senken.
Dieser Beitrag stellt die Anforderungen der HIPAA Safe Harbour-Konformität dar, präsentiert den Ansatz von Private AI, um diese Anforderungen zu erfüllen, und veranschaulicht dies anhand einer Fallstudie, wie Private AI Providence dabei geholfen hat, sichere Konversations-AI-Modelle auf anonymisierten Gesundheitsdaten zu trainieren. Abschließend erklären wir allgemeine nicht-technische Prinzipien, die verwendet werden können, um einen Datensatz aus Sicht des Re-Identifikationsrisikos zu bewerten.
Was gilt als Gesundheitsdaten?
Gemäß HIPAA umfasst das Konzept geschützter Gesundheitsdaten (Protected Health Information – „PHI“) nicht nur Informationen, die sich auf die geistige oder körperliche Gesundheit einer Person beziehen, sondern auch alle personenbezogenen Informationen (Personally Identifiable Information – „PII“), die im selben Kontext wie solche gesundheitsbezogenen Informationen erscheinen. Weitere Details finden Sie in unserem Beitrag mit dem Titel „What is PHI?“
HIPAA Safe Harbour-Konformität
Im Gesundheitswesen kann eine fehlerhafte Verwaltung von Daten zu massiven Geldstrafen und langfristigen Schäden für den Ruf eines Unternehmens führen. Eine Möglichkeit, Geldstrafen zu reduzieren und den Ruf der Einrichtung zu schützen, besteht darin, die Safe Harbour-Regelung von HIPAA einzuhalten.
Trotz des Namens schützt die Einhaltung dieser Regelung nicht vollständig vor Überprüfungen durch das Gesundheits- und Sozialministerium (Health and Human Services – „HHS“) oder finanziellen Strafen im Falle von Datenverstößen. Überprüfungen werden jedoch in Dauer und Umfang reduziert und Geldstrafen gesenkt. Darüber hinaus bietet die Einhaltung erheblichen Schutz gegen Sicherheitsvorfälle und Datenverstöße. Sie können in unserem aktuellen Blogbeitrag „Cost of a Data Breach“ mehr über die wichtigen Kostenfaktoren der gesetzlichen Konformität erfahren.
Die Safe Harbour-Regelung enthält eine Liste von 18 Entitäten, die entfernt werden müssen, um Gesundheitsdaten zu anonymisieren, die dann mit einer dritten Partei geteilt werden können. Was folgt ist ein frei übersetzter Auszug der HIPAA Safe Harbour-Regelung:
164.514(2)(i) Die folgenden Identifikatoren der Person oder von Verwandten, Arbeitgebern oder Haushaltsmitgliedern der Person werden entfernt:
(A) Namen
(B) Alle geografischen Unterteilungen kleiner als ein Bundesstaat, einschließlich Straße, Stadt, Bezirk, Landkreis, Postleitzahl und deren äquivalente Geocodes, mit Ausnahme der ersten drei Ziffern der Postleitzahl, wenn gemäß den aktuellen öffentlich verfügbaren Daten des Büros für Volkszählung:
(1) Die geografische Einheit, die sich aus der Kombination aller Postleitzahlen mit denselben drei Anfangsziffern bildet, mehr als 20.000 Menschen enthält; und
(2) Die ersten drei Ziffern einer Postleitzahl für alle solchen geografischen Einheiten, die 20.000 oder weniger Menschen enthalten, in 000 umgewandelt werden.
(C) Alle Elemente eines Datums (abgesehen vom Jahr) für Daten, die unmittelbar mit einer Person in Verbindung stehen, einschließlich Geburtsdatum, Aufnahmedatum, Entlassungsdatum, Todesdatum und alle Altersangaben über 89 sowie alle Elemente eines Datums (einschließlich des Jahres), die auf dieses Alter hinweisen, es sei denn, diese Altersangaben und Elemente können in eine einzige Alterskategorie von „90 oder älter“ zusammengefasst werden.
(D) Telefonnummern
(L) Fahrzeugidentifikations- und Seriennummern, einschließlich Kennzeichen
(E) Faxnummern
(M) Gerätekennungen und Seriennummern
(F) E-Mail-Adressen
(N) Web Universal Resource Locators (URLs)
(G) Sozialversicherungsnummern
(O) Internetprotokoll (IP)-Adressen
(H) Krankenaktennummern
(P) Biometrische Identifikatoren, einschließlich Finger- und Stimmabdrücke
(I) Krankenversicherungsnummer
(Q) Fotografien des ganzen Gesichts und vergleichbare Bilder
(J) Kontonummern
(R) Jede andere eindeutige Identifikationsnummer, Charakteristik oder jeder andere Code, außer in den Fällen, in denen dies gemäß Absatz (c) dieses Abschnitts zulässig ist [Absatz (c) wird im Abschnitt „Re-Identifikation“ dargelegt]; und
(K) Zertifikat/Lizenznummern
Private AI erkennt und entfernt alle 18 dieser Entitäten mit einer Genauigkeit, die höher ist als die eines Menschen, und dies direkt vor Ort, was bedeutet, dass die Daten einer Gesundheitsorganisation ihre Umgebung niemals verlassen. Bei der Entwicklung des Systems erkannte Private AI die Notwendigkeit von Robustheit gegenüber Fehlern bei der optischen Zeichenerkennung (Optical Character Recognition – „OCR“), Grammatikfehlern und Rechtschreibfehlern. Der folgende medizinische Bericht zeigt diese Fähigkeiten auf:
Fallstudie
Um mehr darüber zu erfahren, wie Private AI dazu beigetragen hat, dass Gesundheitsorganisationen die Einhaltung von HIPAA gewährleisten, laden Sie unsere Fallstudie im Gesundheitswesen (nur auf Englisch verfügbar) herunter.
Re-Identifikationsrisiko
Neben der Entfernung der aufgeführten 18 Entitäten aus dem Datensatz erfordert die HIPAA Safe Harbour-Regelung auch, dass die regulierte Gesundheitsorganisation keine tatsächliche Kenntnis darüber hat, dass die offengelegten Informationen, allein oder in Kombination mit anderen Informationen, zur Identifizierung einer Person, die Gegenstand der Informationen ist, verwendet werden könnten.
Das HHS weist darauf hin, dass die Bestimmung der tatsächlichen Kenntnis unter Berücksichtigung des konkreten voraussichtlichen Informationsempfängers erfolgen muss. Wenn die regulierte Gesundheitsorganisation beispielsweise weiß, dass der Datenempfänger detaillierte Informationen über eine Person hat, deren Daten in dem Datensatz enthalten sind, z. B. weil sie ein Familienmitglied des Datenempfängers ist und die Person deshalb trotz der Entfernung aller 18 Entitäten aus dem Datensatz identifiziert werden könnte, würde dies eine tatsächliche Kenntnis im Sinne der Safe Harbour-Regelung darstellen. Wenn die regulierte Gesundheitsorganisation darüber informiert wird, dass der Datenempfänger über Technologie verfügt, die es ermöglicht, Personen aus dem Datensatz zu identifizieren, bedeutet dies ebenfalls, dass die Einrichtung die Informationen nicht in einer mit der Safe Harbour-Regelung konformen Weise an diesen Empfänger weitergeben kann.
Auf der anderen Seite stellt das HHS auch klar, dass das allgemeine Wissen um das Vorhandensein solcher Technologien keine tatsächliche Kenntnis im genannten Sinne darstellt. Vielmehr muss bewertet werden, ob der konkrete Datenempfänger Zugang zu solchen Technologien hat.
Die Bestimmung des Re-Identifikationsrisikos ist bereits schwierig genug, wenn es nur einen Datenempfänger gibt und das Risiko durch Vereinbarungen zur Datenverwendung oder eingeschränkten Zugriff gemindert werden kann. Die Aufgabe wird umso schwieriger, wenn der Datensatz halböffentlich, d. h. mit der Anforderung, sich zu registrieren und unter Einhaltung bestimmter Nutzungsbedingungen, oder öffentlich ohne Einschränkung weitergegeben werden soll. Diese drei verschiedenen Freigabemodelle müssen bei der Bewertung des Risikos der Re-Identifikation vor der Offenlegung eines Datensatzes berücksichtigt werden.
Es gibt viele weitere Faktoren, die bei der Bestimmung des Re-Identifikationsrisikos von Personen, deren Informationen in einem Datensatz offengelegt werden sollen, berücksichtigt werden müssen. Aus nicht-technischer Sicht und ohne den Anspruch auf Vollständigkeit gibt es hier drei allgemeine Prinzipien, die bei der Bewertung der Re-Identifikationsrisikos eines Datensatzes beachtet werden sollten:
- Replizierbarkeit
Informationen über eine Person, die sich wahrscheinlich nicht oder nur schwer ändern lassen, bergen ein höheres Risiko der Re-Identifizierung, wenn sie weitergegeben werden. Da Informationen wie das Geburtsdatum, die Blutgruppe oder die Nummer der Krankenversicherungskarte unverändert bleiben, werden sie in den Datensätzen immer wieder zusammen mit anderen Informationen über die betreffende Person erscheinen. Dadurch ist es möglich, verschiedene Datensätze zu einer Person übereinander zu legen, verschiedene Informationen über die Person zu kombinieren und so das Risiko zu erhöhen, dass ein Gesundheitsdatensatz mit direkt identifizierbaren Informationen abgeglichen werden kann.
Die Postleitzahl oder der Blutdruck einer Person hingegen sind variabel und können daher in verschiedenen Datensätzen mit Informationen über die Person unterschiedlich sein. Daher ist es weniger riskant, solche Informationen in einer Gesundheitsakte zu speichern, die offengelegt werden soll.
- Verfügbarkeit von Datenquellen
Bei der Bewertung des Risikos der Re-Identifikation ist es entscheidend, nicht nur zu prüfen, ob in den Gesundheitsdaten versehentlich erkennbare Informationen zurückgeblieben sind. Es muss auch festgestellt werden, welche anderen Datenquellen vorhanden und dem Datenempfänger zugänglich sind und weitere Informationen zu den Personen enthalten, deren Informationen im betreffenden Datensatz enthalten sind. Wenn diese externen Datenquellen replizierbare Informationen enthalten, muss sichergestellt werden, dass die zu offenbarenden Daten nicht auf eine Weise angereichert werden können, die die Personen identifiziert.
Häufig freiverfügbare Datenquellen, die replizierbare Informationen enthalten, sind Wählerdaten, Geburts- und Heiratsregister. Und Sie haben vielleicht von diesem riesigen Datenspeicher namens soziale Medien gehört.
- Unterscheidbarkeit
Das dritte Prinzip zur Bewertung des Re-Identifikationsrisikos ist die Unterscheidbarkeit der Person anhand der verfügbaren Daten. Die Bestimmung der unterscheidenden Merkmale einer Person ist nicht so einfach, wie es zunächst scheinen mag. Die Kombination aus 5-stelliger Postleitzahl, Geschlecht und Geburtsdatum kann 87 Prozent der US-Bevölkerung eindeutig identifizieren, und Merkmale wie Narben oder seltene Krankheiten können ebenfalls eine Person recht eindeutig unterscheiden.
Fazit
Es erfordert erhebliches technisches und statistisches Fachwissen, um mit Sicherheit zu bestimmen, ob ein Datensatz ausreichend de-identifiziert ist, so dass seine Offenlegung ein geringes Risiko der Re-Identifizierung mit sich bringt. Die Identifizierung und Entfernung von PHI muss jedoch nicht schwierig sein. Private AI kann diesen Teil der Aufgabe schnell und mühelos erledigen. Wenn Sie die Technologie in Aktion sehen möchten, probieren Sie unsere Web-Demo aus oder fordern Sie einen API-Schlüssel an, um sie selbst an Ihren eigenen Daten auszuprobieren.
