Bir hastaneden verisini isteyin, nadiren temiz bir tablo alırsınız. HBYS'den dışa aktarımlar, PACS'ten DICOM başlıkları, bir şemada laboratuvar sonuçları, başka bir şemada hemşire notları ve kimsenin tam güvenmediği bir dizi Excel dosyası gelir. Klinik yapay zekânın ham maddesi neredeyse her zaman oradadır. Onu bir modelin — ya da bir insan analistin — gerçekten kullanabileceği hâle getirmek ise asıl projedir.
Asıl iş modelden önce başlar
Ekipler bir veri projesinin ne kadarının altyapı işi olduğunu hafife alır. Herhangi bir analizden önce dağınık kaynakların toplanması, doğru hastayla eşleştirilmesi, tekilleştirilmesi ve ortak birim ile terminolojiye normalleştirilmesi gerekir. Bir kreatinin değeri; birimini, referans aralığını ve yanındaki görüntüleme tetkikiyle aynı başvuruya ait olduğunu bilmeden hiçbir anlam taşımaz. Bunu bir ön işleme dipnotu değil, birinci sınıf mühendislik olarak ele alırız.
- HBYS, PACS ve laboratuvar sistemlerinden elle dışa aktarım olmadan toplama.
- Aynı hastayı ya da olayı tanımlayan kayıtları tekilleştirme.
- Birim, kod ve terminolojiyi analize hazır tek bir şemaya normalleştirme.
- Kaynak izini koruma; her değer kaynağına kadar geriye izlenebilsin.
Kimliksizleştirme bir kutucuk değil, bir hattır
"İsimleri sil" dikkatsiz projelerin durduğu, ciddi projelerin ise başladığı yerdir. Tanımlayıcılar serbest metin notlarında, tetkik numaralarında, bir hastayı tek başına ayırt eden nadir tanılarda ve görüntü piksellerine gömülü hâlde saklanır. Savunulabilir bir hat; doğrudan tanımlayıcıları ayırır, bağlanabilir kalması gerekeni takma adla değiştirir ve yeniden kimliklendirme saldırılarının dayandığı yarı-tanımlayıcıları baskılar ya da genelleştirir — üstelik bunu her seferinde aynı biçimde, kayıt tutarak yapar.
KVKK'yı sonradan değil, tasarımdan itibaren
KVKK'ya göre sağlık verisi, işlenmesi için yüksek bir eşik gerektiren özel nitelikli veridir. Gizlilik en sona eklenen bir katman değil, mimariye baştan yerleştirilmiş bir ilke olduğunda bu eşiği karşılamak kolaylaşır. Uygulamada bu; veri minimizasyonu — amacın gerçekten gerektirdiği alanlar kadarı — net amaç sınırlaması, varsayılan olarak anonimleştirme ya da takma adlandırma ve verinin kurumdan çıkmaması gerektiğinde kurumun kendi altyapısında çalışabilen bir işleme anlamına gelir.
Temiz, yapılandırılmış ve kimliksizleştirilmiş veri, klinik yapay zekânın sıkıcı kısmı değildir. İlginç kısmın var olmasına izin verilip verilmeyeceğine karar veren kısımdır.
Veri temelini doğru kurun; aşağı akıştaki her şey — karar desteği, görüntüleme, otomasyon — daha hızlı ve daha güvenli olur. Bu adımı atlayın; düzenleyicilerin ve hekimlerin haklı olarak güvenmediği bir kum zemine inşa edersiniz.