Trí tuệ nhân tạo (AI) là một lĩnh vực mới nổi và sáng tạo được thiết lập để thay đổi cốt lõi mọi ngành công nghiệp. AI sử dụng dữ liệu có sẵn để học cách giải quyết các nhiệm vụ; nó vượt xa bộ não con người về hiệu quả và độ chính xác. AI đã cho thấy nhiều hứa hẹn thông qua việc tích hợp thành công trong nhiều lĩnh vực, chẳng hạn như lái xe tự động, trợ lý giọng nói, v.v.

Những lợi thế của AI làm cho sự tích hợp của nó trong y sinh học và chăm sóc sức khỏe trở nên cần thiết và không thể tránh khỏi. Trí tuệ nhân tạo cho phép dữ liệu lớn trong lĩnh vực chăm sóc sức khỏe được chia nhỏ và phân tích để hiểu rõ hơn, đồng thời xác định các mô hình và rủi ro mà tâm trí con người có thể bỏ qua.

AI và quyền riêng tư

AI đã cho thấy nhiều hứa hẹn trong lĩnh vực chăm sóc sức khỏe bằng cách phân tích dữ liệu bộ gen và y sinh, đại diện cho các phân tử giống như thuốc cũng như mô hình hóa các tế bào và chức năng của chúng. Những câu chuyện thành công này không chỉ giới hạn trong nghiên cứu y sinh học mà còn trong chẩn đoán tình trạng bệnh và tham gia chăm sóc sức khỏe bệnh nhân nội trú. Các công nghệ AI đã vượt qua độ chính xác của con người trong việc phát hiện ung thư vú và dự đoán nhiễm trùng huyết. Những ưu điểm này của AI khiến nó trở thành một lĩnh vực cần được chú ý vì nó có thể cách mạng hóa độ chính xác trong chăm sóc sức khỏe và sự hiểu biết về y sinh. Bên cạnh những lợi ích này, cũng có nhiều lo ngại về quyền riêng tư liên quan đến việc sử dụng dữ liệu mà AI sử dụng.

AI phụ thuộc vào việc học hỏi từ dữ liệu được thu thập từ các cá nhân và đảm bảo rằng dữ liệu nhạy cảm được giữ bí mật là điều cốt yếu để đảm bảo sự tiến bộ của AI. Các nghiên cứu đã tiết lộ rằng các kỹ thuật AI không phải lúc nào cũng duy trì quyền riêng tư của dữ liệu. Một ví dụ là một nghiên cứu đã chứng minh rằng có thể dễ dàng suy ra việc đưa một cá nhân vào tập dữ liệu bằng cách truy vấn sự hiện diện của một alen cụ thể và sử dụng điều đó để xác định các thành viên trong gia đình.

Suy luận tư cách thành viên là một cuộc tấn công khác có thể suy ra tư cách thành viên của một cá nhân bằng cách truy vấn dữ liệu có sẵn hoặc số liệu thống kê được công bố bởi các nghiên cứu liên kết trên toàn bộ bộ gen (GWAS). Những nghiên cứu này đã dẫn đến việc hạn chế quyền truy cập vào dữ liệu được đặt tên giả và đưa ra luật về quyền riêng tư xung quanh dữ liệu AI ở Hoa Kỳ và Liên minh Châu Âu. Do đó, để cho phép nghiên cứu hợp tác, các tổ chức công nghiệp và học thuật phải thực thi các kỹ thuật bảo vệ quyền riêng tư để đảm bảo tính bảo mật và tuân thủ luật pháp.

Các kỹ thuật AI bảo vệ quyền riêng tư

Gần đây, đã có nhiều kỹ thuật AI khác nhau được đề xuất để bảo vệ quyền riêng tư trong y sinh học. Các kỹ thuật này phần lớn có thể được phân loại thành bốn loại: kỹ thuật mã hóa, quyền riêng tư khác biệt, học liên kết và phương pháp lai.

Các kỹ thuật mã hóa liên quan đến mã hóa đồng hình (HE) được thực hiện trên các số liệu thống kê và tính toán chúng trong khi bảo vệ quyền riêng tư của dữ liệu. HE có thể là HE một phần (PHE) hoặc HE hoàn toàn (FHE) và chúng xác định mức độ hoạt động mà dữ liệu đã trải qua. PHE có nghĩa là dữ liệu được mã hóa đã trải qua phép cộng hoặc phép nhân và FHE có nghĩa là phép toán cộng và phép nhân đã được áp dụng cho dữ liệu được mã hóa. Một loại mã hóa mật mã khác là tính toán nhiều bên an toàn (SMPC). Điều này yêu cầu các tổ chức tham gia chia sẻ bí mật riêng biệt và khác biệt với các bên điện toán khác nhau để tính toán bí mật đó và chia sẻ kết quả với các bên điện toán khác để tính toán kết quả cuối cùng. Kết quả này sau đó được trả lại cho những người tham gia vì nó giống nhau.

Quyền riêng tư khác biệt là một trong những phương pháp tiên tiến nhất để loại bỏ các vi phạm quyền riêng tư dữ liệu. Khái niệm này dựa trên việc đưa các mẩu dữ liệu ngẫu nhiên vào các tập dữ liệu lớn để ngụy trang cho dữ liệu nhạy cảm. Đây là một phương pháp tiêu chuẩn được sử dụng bởi Google, Apple, Cục điều tra dân số Hoa Kỳ và gần đây là các lĩnh vực chăm sóc sức khỏe và y sinh. Điều này lý tưởng cho các bộ dữ liệu tập trung lớn trong đó dữ liệu của một cá nhân cụ thể không thể phân biệt được về mặt thống kê với một tập dữ liệu không có dữ liệu của cá nhân này.

Học liên kết là một quá trình dựa vào những người tham gia, chẳng hạn như bệnh viện, không chia sẻ dữ liệu họ có mà trích xuất kiến ​​thức từ dữ liệu của họ để chia sẻ với khách hàng. Điều này đòi hỏi các tổ chức địa phương phải có AI được đào tạo có thể tính toán dữ liệu đó và áp dụng các thông số liên quan cũng như chia sẻ kết quả mà không cần thông tin nhạy cảm với một điều phối viên xây dựng mô hình toàn cầu. Nhu cầu này đã làm tăng các nền tảng AI nhằm áp dụng học tập liên kết vào dữ liệu trong lĩnh vực chăm sóc sức khỏe.

Một kỹ thuật mới nổi để bảo vệ sự riêng tư là một cách tiếp cận hỗn hợp kết hợp học liên kết với các kỹ thuật khác như mật mã và vi sai. Ưu điểm của học liên kết là nó ngăn chặn việc chia sẻ dữ liệu của bệnh nhân với bên thứ ba; tuy nhiên, có khả năng lạm dụng liên quan đến các tham số được chia sẻ với điều phối viên nếu nó bị xâm phạm. Do đó, áp dụng HE cho dữ liệu được mã hóa hoặc giới thiệu dữ liệu ngẫu nhiên có thể có lợi trong việc loại bỏ khả năng vi phạm quyền riêng tư dữ liệu.

Sự xuất hiện của AI đã làm nổi bật cách xử lý và sử dụng dữ liệu nhạy cảm của bệnh nhân. Điều này đặc biệt quan trọng trong lĩnh vực y sinh học và chăm sóc sức khỏe, nơi mà sự tin tưởng là rất quan trọng vì lý do đạo đức và cũng vì sự phát triển của y học. AI có thể được sử dụng để ngăn chặn những vi phạm quyền riêng tư dữ liệu này và đảm bảo rằng tính bảo mật của bệnh nhân được bảo toàn.

Bs. Lê Đình Sáng (Dịch và tổng hợp)

TÀI LIỆU THAM KHẢO

Torkzadehmahani, R., Nasirigerdeh, R., Blumenthal, D. B., Kacprowski, T., List, M., Matschinske, J., Spaeth, J., Wenke, N. K., & Baumbach, J. (2022). Privacy-Preserving Artificial Intelligence Techniques in Biomedicine. Methods of information in medicine, 10.1055/s-0041-1740630. Advance online publication. https://doi.org/10.1055/s-0041-1740630