Mọi dự án dùng dữ liệu người bệnh — nghiên cứu, phát triển mô hình, cải tiến chất lượng — đều cần một cơ sở pháp lý. Xác định đúng từ đầu tiết kiệm rất nhiều rắc rối.
Câu hỏi đầu tiên: cơ sở pháp lý nào
Các cơ sở thường gặp, tuỳ hệ thống pháp luật:
- Sự đồng ý của người bệnh — rõ ràng nhưng có giới hạn: khó áp dụng cho dữ liệu hồi cứu quy mô lớn, và người bệnh có thể rút lại.
- Thực hiện nhiệm vụ vì lợi ích công — thường áp dụng cho hoạt động y tế công và một số nghiên cứu.
- Mục đích nghiên cứu khoa học — nhiều hệ thống có điều khoản riêng, thường kèm điều kiện về phê duyệt đạo đức và biện pháp bảo vệ.
- Cải tiến chất lượng nội bộ — ranh giới với nghiên cứu đôi khi mờ và cần làm rõ.
Cần xác định trước khi bắt đầu thu thập. Tìm cơ sở pháp lý sau khi đã có dữ liệu thường dẫn tới phải làm lại hoặc phải huỷ.
Ranh giới nghiên cứu và cải tiến chất lượng
Đây là chỗ hay gây lúng túng.
Một dự án nội bộ nhằm cải thiện quy trình thường có yêu cầu nhẹ hơn một nghiên cứu. Nhưng ranh giới không phải lúc nào cũng rõ.
Các dấu hiệu nghiêng về nghiên cứu:
- Có ý định công bố.
- Nhằm tạo kiến thức khái quát được, không chỉ cải thiện tại chỗ.
- Có phân nhóm để so sánh.
- Can thiệp vượt quá thực hành thường quy.
Khi không chắc, cách an toàn là hỏi hội đồng đạo đức của cơ sở — và việc hỏi này thường nhanh hơn việc xử lý hậu quả của một quyết định sai.
Giả danh hoá và ẩn danh hoá
Hai khái niệm hay bị dùng lẫn, và sự khác biệt có hệ quả pháp lý.
Giả danh hoá
Thay thông tin định danh bằng mã, nhưng giữ khoá liên kết ở nơi riêng biệt.
Dữ liệu vẫn thuộc phạm vi bảo vệ, vì vẫn liên kết ngược được.
Phù hợp cho nghiên cứu cần theo dõi theo thời gian hoặc cần liên kết nhiều nguồn.
Ẩn danh hoá
Loại bỏ khả năng nhận dạng tới mức không liên kết ngược được, kể cả khi ghép với nguồn khác.
Chỉ khi đạt mức này, dữ liệu mới ra ngoài phạm vi quản lý chặt.
Ẩn danh hoá khó hơn vẻ ngoài
Xoá tên và số hồ sơ là chưa đủ. Dữ liệu lâm sàng chi tiết vẫn có thể cho phép nhận dạng lại qua:
- Ngày tháng chính xác của các sự kiện.
- Vị trí địa lý chi tiết.
- Tổ hợp chẩn đoán hiếm.
- Tuổi rất cao hoặc các giá trị cực đoan.
- Ghép với dữ liệu công khai từ nguồn khác.
Cần đánh giá rủi ro nhận dạng lại, không chỉ áp dụng một danh sách trường cần xoá.
Các kỹ thuật giảm rủi ro: gộp nhóm tuổi, làm tròn ngày về tuần hoặc tháng, gộp mã địa lý, loại các giá trị cực đoan.
Mỗi kỹ thuật đều làm giảm giá trị phân tích. Đây là đánh đổi phải cân nhắc theo từng mục đích.
Nguyên tắc tối thiểu hoá
Chỉ thu thập và giữ những gì thật sự cần.
Nghe hiển nhiên nhưng thực tế thường ngược lại: lấy hết cho chắc, biết đâu sau này cần.
Lợi ích của việc tối thiểu hoá:
- Giảm hậu quả nếu có sự cố lộ dữ liệu.
- Đơn giản hoá việc tuân thủ.
- Giảm chi phí lưu trữ và bảo vệ.
- Dễ được phê duyệt hơn.
Cách thực hành: lập danh sách biến số cần, với lý do cụ thể cho từng biến. Biến nào không có lý do rõ thì bỏ.
Các nguyên tắc khác thường áp dụng
- Giới hạn mục đích — dữ liệu thu cho mục đích này không tự động dùng được cho mục đích khác.
- Giới hạn thời gian lưu — định trước thời hạn và cơ chế huỷ.
- Minh bạch — người bệnh được thông tin về việc dữ liệu của họ được dùng thế nào.
- An toàn — biện pháp kỹ thuật và tổ chức tương xứng với mức nhạy cảm.
- Trách nhiệm giải trình — có hồ sơ chứng minh đã tuân thủ.
Chuyển dữ liệu ra ngoài
Khi dữ liệu rời khỏi cơ sở — sang đối tác nghiên cứu, sang nhà cung cấp phần mềm, sang máy chủ ở nước ngoài — cần thêm một lớp xem xét.
Các câu cần trả lời:
- Bên nhận đóng vai trò gì — bên xử lý theo uỷ quyền hay bên kiểm soát độc lập?
- Có thoả thuận bằng văn bản quy định rõ nghĩa vụ không?
- Dữ liệu được lưu ở đâu về mặt địa lý?
- Nếu ở nước khác, có điều kiện pháp lý nào cần đáp ứng?
- Bên nhận có được dùng dữ liệu cho mục đích riêng không?
- Khi kết thúc hợp đồng, dữ liệu được xử lý thế nào?
Câu thứ năm đáng chú ý đặc biệt với các dịch vụ đám mây và các nhà cung cấp phần mềm có mô hình học từ dữ liệu khách hàng.
Vấn đề dữ liệu dùng để huấn luyện mô hình
Một câu hỏi đang được thảo luận nhiều: nếu mô hình được huấn luyện trên dữ liệu người bệnh, mô hình đó có chứa thông tin cá nhân không?
Về nguyên tắc, mô hình học các mẫu chung chứ không lưu bản ghi. Nhưng đã có nghiên cứu cho thấy khả năng trích xuất một phần thông tin từ mô hình trong một số điều kiện.
Cách xử lý thận trọng:
- Nêu rõ trong hồ sơ dự án việc dữ liệu sẽ được dùng để huấn luyện.
- Cân nhắc các kỹ thuật bảo vệ riêng tư trong huấn luyện.
- Xác định rõ quyền sở hữu và quyền sử dụng mô hình kết quả.
- Xem xét mô hình như một tài sản có yếu tố dữ liệu, không chỉ như phần mềm.
Mục thứ ba hay bị bỏ qua trong hợp đồng với nhà cung cấp — và nó là điểm cần làm rõ trước, không phải sau.
Câu hỏi thường gặp
Vì sao cần xác định cơ sở pháp lý ngay từ đầu?
Vì nó quyết định những gì được phép làm với dữ liệu và những nghĩa vụ đi kèm. Bắt đầu dự án rồi mới tìm cơ sở pháp lý thường dẫn tới phải làm lại từ khâu thu thập, hoặc phải huỷ dữ liệu đã có.
Ẩn danh hoá và giả danh hoá khác nhau thế nào?
Giả danh hoá là thay thông tin định danh bằng mã, nhưng vẫn có khoá để liên kết ngược nên dữ liệu vẫn thuộc phạm vi bảo vệ. Ẩn danh hoá là loại bỏ khả năng nhận dạng tới mức không liên kết ngược được, và chỉ khi đó dữ liệu mới ra ngoài phạm vi quản lý chặt.
Ẩn danh hoá có dễ đạt được không?
Khó hơn nhiều người nghĩ. Dữ liệu lâm sàng chi tiết với ngày tháng, mã bưu chính và tổ hợp chẩn đoán hiếm có thể cho phép nhận dạng lại khi ghép với nguồn khác. Cần đánh giá rủi ro nhận dạng lại chứ không chỉ xoá tên.
Nguyên tắc tối thiểu hoá nghĩa là gì?
Là chỉ thu thập và giữ những dữ liệu thật sự cần cho mục đích đã nêu, trong thời gian cần thiết. Nó vừa giảm rủi ro khi có sự cố vừa đơn giản hoá việc tuân thủ.