In het moderne ziekenhuis zijn de aantekeningen van een arts meer dan alleen een verslag van een patiëntenbezoek; ze zijn een complex weefsel van persoonlijke geschiedenis verweven met medische feiten. Deze documenten bevatten namen, geboortedatums, specifieke locaties en unieke identificatienummers, die allemaal worden beschermd door strikte privacywetten die bedoeld zijn om de identiteit van een patiënt veilig te houden. Tegelijkertijd is er een nieuwe golf van krachtige computerprogramma's opgekomen, bekend als grote taalmodellen. Deze hulpmiddelen kunnen duizenden pagina's medische tekst in seconden lezen, wat onderzoekers helpt patronen in ziekten te ontdekken, complexe resultaten van klinische studies samen te vatten of klinische rapporten met ongelooflijke snelheid op te stellen. Er staat echter een aanzienlijke barrière tussen deze twee werelden. Om deze krachtige instrumenten te gebruiken, moet een ziekenhuis gewoonlijk zijn privé patiëntendata naar een externe server sturen die eigendom is van een technologiebedrijf. Deze overdracht creëert een juridisch en beveiligingsdilemma: het verzenden van ruwe patiëntgegevens naar een derde partij vereist vaak langdurige juridische contracten en brengt het risico met zich mee dat gevoelige informatie kan lekken of wordt opgeslagen waar het niet thuishoort.

Een onderzoeker genaamd Ilya Sibiryakov heeft een andere manier voorgesteld om deze kloof te overbruggen, een manier die de gegevens veilig houdt zonder het werk te vertragen. In plaats van de ruwe aantekeningen naar de cloud te sturen, heeft zijn team een systeem ontwikkeld dat werkt als een filter die direct op de computer van de arts zit. Dit systeem, genaamd Zero-Trust Data Sanitization, scant de tekst op het moment dat deze wordt getypt of geplakt. Het identificeert en vervangt onmiddellijk elk stukje persoonlijke informatie door een generieke, betekenisloze code voordat de data de computer verlaat. De computer stuurt vervolgens alleen deze codes naar de kunstmatige intelligentie. De AI verwerkt de medische informatie en geeft een antwoord terug met behulp van de codes. Ten slotte vervangt het systeem op de computer van de arts de codes weer door de oorspronkelijke namen en nummers, zodat de arts het definitieve rapport kan lezen alsof er niets is veranderd. Dit proces vindt zo snel en volledig plaats binnen het tijdelijke geheugen van de computer dat de gegevens de originele vorm nooit een harde schijf of een externe server aanraken.

De kern van dit werk is een methode die is ontworpen om te voldoen aan de strikte regels van de Health Insurance Portability and Accountability Act, specifief een sectie die bekend staat als de "Safe Harbor". Deze regel stelt dat als een document alle 18 soorten persoonlijke identificatoren heeft verwijderd, het niet langer als privé gezondheidsinformatie wordt beschouwd en vrij gedeeld kan worden. De onderzoekers hebben een tool gebouwd die deze 18 categorieën automatisch vindt, die onder meer namen, adressen, telefoonnummers, burgerservicenummers, medische dossiernummers en zelfs specifieke data zoals geboortedatums of opnamedatums omvatten. In een test met 2.500 synthetische medische documenten die vol zaten met deze soorten informatie, identificeerde en verving het systeem 99,94% van de persoonlijke details succesvol. Het systeem was ook opmerkelijk snel en nam gemiddeld slechts 1,84 milliseconden om een standaard klinische aantekening te reinigen. Ter vergelijking: traditionele methoden die gegevens naar een centrale server sturen voor reiniging, duurden meer dan 242 milliseconden, waardoor de nieuwe aanpak meer dan honderd keer sneller is.

Wat deze aanpak onderscheidt, is waar de reiniging plaatsvindt. In het conventionele model reist de ruwe tekst via het internet naar een server, waar de tekst wordt gereinigd en vervolgens wordt teruggestuurd. Deze reis creëert een venster van kwetsbaarheid waarin de gegevens op een netwerk bestaan en mogelijk kunnen worden onderschept of door de serviceprovider kunnen worden opgeslagen. Het nieuwe systeem zorgt ervoor dat de reiniging volledig op het apparaat van de gebruiker plaatsvindt, in het vluchtige geheugen van de computer, een type tijdelijke opslag dat verdwijnt zodra het programma wordt gesloten. De onderzoekers hebben dit geverifieerd door het systeem te testen terwijl de computer volledig was losgekoppeld van het internet. Zelfs in deze offline staat identificeerde en verving het systeem de persoonlijke informatie succesvol, wat bewees dat het niet afhankelijk is van een externe verbinding om te functioneren. Bovendien werd bij een test met een internetverbinding door netwerkbewakingsinstrumenten bevestigd dat er nul bytes aan werkelijke persoonlijke informatie over het netwerk werden verzonden.

De studie pakte ook een veelvoorkomend probleem aan bij geautomatiseerde reinigingstools: de angst dat ze per ongeluk belangrijke medische termen zouden kunnen verwijderen. Bijvoorbeeld, een simpel filter zou een medische afkorting voor een naam kunnen aanzien en deze kunnen verwijderen, waardoor de betekenis van de aantekening verloren gaat. Om dit te voorkomen, bevat het systeem een gespecialiseerde lijst met meer dan 12.000 medische termen en acroniemen. In de tests zorgde dit ervoor dat het systeem persoonlijke gegevens kon reinigen terwijl kritieke medische taal ongemoeid bleef, wat resulteerde in een zeer lage foutmarge van 0,12%. De onderzoekers toonden aan dat deze methode ziekenhuizen en onderzoeksteams in staat stelt om geavanceerde kunstmatige intelligentie-instrumenten te gebruiken zonder dat zij complexe juridische overeenkomsten met de technologiebedrijven hoeven te ondertekenen, omdat de bedrijven de privé patiëntendata nooit daadwerkelijk ontvangen.

De implicaties van dit werk strekken zich uit tot de manier waarop klinische studies over meerdere ziekenhuizen worden beheerd. In een grote studie waarbij tientallen medische centra betrokken zijn, moeten onderzoekers vaak aantekeningen van verschillende locaties combineren om patronen te vinden in hoe een medicijn werkt. Meestal vereist dit een enorme juridische en administratieve inspanning om ervoor te zorgen dat de gegevens van elke locatie veilig worden gedeeld. Met dit nieuwe systeem kan een onderzoeker bij elk ziekenhuis aantekeningen in een beveiligde interface typen, deze direct ontdoen van persoonlijke details, en ze naar een centrale analyse-tool sturen. De definitieve resultaten worden geretourneerd waarbij de oorspronkelijke patiëntidentiteiten alleen worden hersteld voor de geautoriseerde onderzoeker. De onderzoekers bevestigden dat dit proces geen spoor achterlaat op de harde schijf van de computer; zodra de sessie wordt gesloten, wordt de tijdelijke kaart die de codes terug koppelt aan de echte namen onmiddellijk vernietigd.

Dit onderzoek presenteert een praktische oplossing voor een groeiende spanning tussen de behoefte aan privacy en de wens naar innovatie in de gezondheidszorg. Door de beveiligingsstap naar het begin van het proces te verplaatsen, direct op het moment dat een arts een aantekening typt, zorgt het systeem ervoor dat de gegevens nooit in een kwetsbare staat verkeren tijdens de transmissie. De auteur benadrukt dat dit geen theoretisch concept is, maar een werkend systeem dat is getest tegen strikte regelgevende normen. Het biedt een pad voorwaarts waarbij ziekenhuizen de kracht van moderne kunstmatige intelligentie kunnen benutten om de patiëntenzorg te verbeteren en onderzoek te versnellen, terwijl zij tegelijkertijd de hoogste standaarden van gegevensprivacy handhaven en de wet naleven. Het werk suggereert dat met de juiste technische waarborgen op de plaats, de angst voor datalekken geen barrière hoeft te zijn voor het gebruik van de meest geavanceerde instrumenten die vandaag de dag beschikbaar zijn in de geneeskunde.