Nel moderno ospedale, le note di un medico sono molto più di un semplice registro della visita di un paziente; sono un complesso arazzo di storia personale intrecciata con fatti medici. Questi documenti contengono nomi, date di nascita, località specifiche e numeri di identificazione univoci, tutti protetti da rigide leggi sulla privacy progettate per mantenere al sicuro l'identità del paziente. Allo stesso tempo, una nuova ondata di potenti programmi informatici, noti come modelli linguistici di grandi dimensioni, è emersa. Questi strumenti possono leggere migliaia di pagine di testo medico in pochi secondi, aiutando i ricercatori a individuare schemi nelle malattie, riassumere risultati complessi di studi clinici o redigere rapporti clinici con una velocità incredibile. Tuttavia, una barriera significativa si erge tra questi due mondi. Per utilizzare questi potenti strumenti, un ospedale deve solitamente inviare le sue note private a un server remoto di proprietà di un'azienda tecnologica. Questo trasferimento crea un dilemma legale e di sicurezza: inviare dati grezzi dei pazienti a una terza parte richiede spesso lunghi contratti legali e comporta il rischio che informazioni sensibili possano essere trapelate o conservate dove non dovrebbero stare.

Un ricercatore di nome Ilya Sibiryakov ha proposto un modo diverso per colmare questo divario, uno che mantiene i dati al sicuro senza rallentare il lavoro. Invece di inviare le note grezze al cloud, il suo team ha sviluppato un sistema che agisce come un filtro posizionato direttamente sul computer del medico. Questo sistema, chiamato Zero-Trust Data Sanitization (Sanificazione dei Dati Zero-Trust), scansiona il testo nel momento stesso in cui viene digitato o incollato. Identifica e sostituisce istantaneamente ogni pezzo di informazione personale con un codice generico e privo di significato prima che il dato lasci il computer. Il computer invia quindi solo questi codi all'intelligenza artificiale. L'IA elabora l'informazione medica e restituisce una risposta utilizzando i codici. Infine, il sistema sul computer del medico sostituisce i codi con i nomi e i numeri originali, permettendo al medico di leggere il rapporto finale come se nulla fosse cambiato. Questo processo avviene così rapidamente e interamente all'interno della memoria temporanea del computer che i dati non toccano mai un disco rigido o un server remoto nella loro forma originale.

Il cuore di questo lavoro è un metodo progettato per soddisfare le rigide regole dell'Health Insurance Portability and Accountability Act, specificamente una sezione nota come "Safe Harbor". Questa regola stabilisce che se un documento ha rimosso tutti i 18 tipi di identificatori personali, non è più considerato informazione sanitaria privata e può essere condiviso liberamente. I ricercatori hanno costruito uno strumento che trova automaticamente queste 18 categorie, che includono nomi, indirizzi, numeri di telefono, codici fiscali e persino date specifiche come compleanni o date di ammissione. In un test che ha coinvolto 2.500 documenti medici sintetici carichi di queste tipologie di informazioni, il sistema ha identificato e sostituito con successo il 99,94% dei dettagli personali. Il sistema era anche straordinariamente veloce, impiegando in media solo 1,84 millisecondi per pulire una nota clinica standard. In confronto, i metodi tradizionali che inviano i dati a un server centrale per la pulizia impiegavano oltre 242 millisecondi, rendendo il nuovo approccio più di cento volte più veloce.

Ciò che rende questo approccio distinto è dove avviene la pulizia. Nel modello convenzionale, il testo grezzo viaggia attraverso internet verso un server, dove viene pulito e poi rimandato indietro. Questo viaggio crea una finestra di vulnerabilità in cui i dati esistono su una rete e potrebbero potenzialmente essere intercettati o memorizzati dal fornitore del servizio. Il nuovo sistema assicura che la pulizia avvenga interamente sul dispositivo dell'utente, all'interno della memoria volatile del computer, che è un tipo di memoria temporanea che scompare nel momento in cui il programma viene chiuso. I ricercatori hanno verificato questo testando il sistema mentre il computer era completamente scollegato da internet. Anche in questo stato offline, il sistema ha identificato e sostituito con successo le informazioni personali, dimostrando di non dipendere da una connessione esterna per funzionare. Inoltre, quando il sistema è stato testato con una connessione internet, gli strumenti di monitoraggio della rete hanno confermato che zero byte di informazioni personali reali sono stati trasmessi attraverso la rete.

Lo studio ha affrontato anche un problema comune con gli strumenti di pulizia automatizzata: il timore che possano accidentalmente rimuovere termini medici importanti. Ad esempio, un semplice filtro potrebbe scambiare un'abbreviazione medica per il nome di una persona e cancellarla, rovinando il senso della nota. Per prevenire ciò, il sistema include un elenco specializzato di oltre 12.000 termini e acronimi medici. Nei test, questo ha permesso al sistema di pulire i dati personali lasciando intatto il linguaggio medico critico, con un tasso di errore molto basso dello 0,12%. I ricercatori hanno dimostrato che questo metodo consente agli ospedali e ai team di ricerca di utilizzare strumenti avanzati di intelligenza artificiale senza dover firmare complessi accordi legali con le aziende tecnologiche, poiché le aziende non ricevono mai i dati privati dei pazienti.

Le implicazioni di questo lavoro si estendono al modo in cui vengono gestiti i trial clinici attraverso molteplici ospedali. In uno studio su larga scala che coinvolge decine di centri medici, i ricercatori devono spesso combinare le note provenienti da diversi siti per trovare schemi su come un farmaco funzioni. Di solito, questo richiede un enorme sforzo legale e amministrativo per garantire che i dati di ogni sito siano condivisi in modo sicuro. Con questo nuovo sistema, un ricercatore in qualsiasi ospedale potrebbe digitare le note in un'interfaccia sicura, farle pulire istantaneamente dai dettagli personali e inviarle a uno strumento di analisi centrale. I risultati finali verrebbero restituiti con le identità originali dei pazienti ripristinate solo per il ricercatore autorizzato. I ricercatori hanno confermato che questo processo non lascia alcuna traccia sul disco rigido del computer; una volta chiusa la sessione, la mappa temporanea che collega i codi ai nomi reali viene distrutta istantaneamente.

Questa ricerca presenta una soluzione pratica a una crescente tensione tra la necessità di privacy e il desiderio di innovazione nell'assistenza sanitaria. Spostando il passaggio di sicurezza proprio all'inizio del processo, nel momento esatto in cui un medico digita una nota, il sistema elimina la necessità che i dati siano mai in uno stato vulnerabile durante la trasmissione. L'autore sottolinea che questo non è un concetto teorico ma un sistema funzionante che è stato testato contro rigorosi standard normativi. Offre una strada percorribile in cui gli ospedali possono sfruttare la potenza dell'intelligenza artificiale moderna per migliorare l'assistenza ai pazienti e accelerare la ricerca, mantenendo al contempo i più alti standard di privacy dei dati e rispettando la legge. Il lavoro suggerisce che, con le giuste salvaguardie tecniche in atto, il timore delle violazioni dei dati non debba essere un ostacolo all'uso degli strumenti più avanzati disponibili nella medicina odierna.