Khử định danh dữ liệu sức khỏe trước khi đưa vào AI: bốn lớp kiểm tra

Khử định danh dữ liệu (de-identification) là quy trình giảm khả năng nối một bộ dữ liệu với người có thông tin trong đó. Xóa tên chỉ loại bỏ trường nhận dạng rõ nhất. Ngày khám, địa điểm, bệnh hiếm hoặc dữ liệu công khai vẫn có khả năng nối một dòng hồ sơ với một người cụ thể.

Với dữ liệu sức khỏe đưa vào AI, quy trình phải xem đồng thời mục đích sử dụng, nội dung từng trường và người nhận dữ liệu. Bảng đối chiếu mã với danh tính cũng là một điểm kiểm soát riêng. Một nhãn “đã khử định danh” không thay thế hồ sơ đánh giá nguy cơ.

Xóa tên chưa đủ để dữ liệu mất khả năng nhận dạng

Luật Bảo vệ Dữ liệu Cá nhân của Đài Loan xếp hồ sơ bệnh án, dữ liệu y tế, di truyền và khám sức khỏe vào dữ liệu cá nhân. Phạm vi của luật bao gồm thông tin nhận dạng trực tiếp hoặc gián tiếp một người. Hoạt động xử lý còn gồm ghi, lưu trữ, sao chép, liên kết và truyền nội bộ dữ liệu. Theo định nghĩa này, chép hồ sơ sang kho dùng cho AI vẫn là xử lý dữ liệu tại Đài Loan.

Nhóm cần kiểm tra	Ví dụ trong dữ liệu sức khỏe	Hướng xử lý thường gặp
Nhận dạng trực tiếp	Họ tên, số thẻ căn cước Đài Loan, điện thoại, mã hồ sơ	Xóa, che hoặc thay bằng mã được kiểm soát
Nhận dạng gián tiếp	Ngày sinh, địa chỉ, giờ khám, tổ hợp bệnh hiếm	Làm thô, phân nhóm, xóa hoặc hạn chế truy vấn
Thông tin sức khỏe nhạy cảm	Chẩn đoán, thuốc, dữ liệu di truyền, kết quả xét nghiệm	Giữ phần tối thiểu theo mục đích, kèm quyền truy cập và nhật ký
Khả năng nối với nguồn khác	Bảng đối chiếu, tên tệp, siêu dữ liệu, dữ liệu công khai	Lưu tách biệt và thử nối lại theo môi trường chia sẻ

Giả danh dữ liệu (pseudonymization) thay định danh trực tiếp bằng mã nhưng vẫn giữ phương tiện nối ngược. Ẩn danh hóa (anonymization) đòi hỏi dữ liệu không còn nhận dạng trực tiếp hoặc gián tiếp trong môi trường đã xét. Khác biệt nằm ở khả năng nối lại danh tính, thay vì sự hiện diện của một cột họ tên.

Bộ Y tế và Dịch vụ Nhân sinh Mỹ (HHS) là cơ quan liên bang công bố hướng dẫn HIPAA được trích dẫn trong bài. HHS nêu hai phương pháp: đánh giá của chuyên gia và Safe Harbor, tức loại bỏ danh sách trường nhận dạng đã quy định. HHS cho biết cả hai phương pháp vẫn để lại nguy cơ nhận dạng nhỏ và nguy cơ này không bằng 0. Khung này chỉ áp dụng tại Mỹ, không tạo ra tiêu chuẩn pháp lý tại Đài Loan.

Năm bước từ mục đích đến thử nghiệm tái nhận dạng

Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ (NIST) là cơ quan xây dựng hướng dẫn kỹ thuật liên bang. NIST SP 800-188 đặt mục tiêu, nguy cơ công bố và mô hình chia sẻ vào phần đánh giá trước khi khử định danh. Tài liệu nêu dữ liệu công khai, dữ liệu tổng hợp, giao diện truy vấn và môi trường bảo vệ kín là bốn mô hình chia sẻ. NIST cũng cảnh báo công cụ chỉ che trường cá nhân chưa đủ chức năng cho toàn bộ quy trình.

1. Xác định mục đích và tập dữ liệu tối thiểu. Nghiên cứu, huấn luyện mô hình, báo cáo thống kê và công bố dữ liệu có nhu cầu khác nhau. Hồ sơ dự án cần nêu nhiệm vụ, người nhận đầu ra, thời gian lưu cùng lý do giữ từng trường.
2. Kiểm kê mọi vị trí chứa dấu vết nhận dạng. Phạm vi rà soát gồm trường có cấu trúc, văn bản tự do, chữ trong ảnh, tên tệp và siêu dữ liệu. Ngày tháng hoặc tổ hợp bệnh hiếm dễ bị bỏ sót nếu nhóm quản trị chỉ tìm họ tên.
3. Chọn cách xử lý theo mục đích. Các lựa chọn gồm xóa trường, làm thô, phân nhóm, mã hóa định danh hoặc tạo dữ liệu tổng hợp. Dữ liệu tổng hợp vẫn cần kiểm tra đặc tính thống kê và mức phù hợp với tác vụ AI.
4. Tách bảng đối chiếu, khóa và dữ liệu gốc. Mã theo dõi dọc thời gian cần nằm trong vùng quyền hạn riêng. Cơ chế nối lại danh tính chỉ dành cho người được ủy quyền và không được chuyển cùng bộ dữ liệu.
5. Thử nguy cơ nối lại bằng nguồn bên ngoài. Phép thử dùng những nguồn mà người nhận dự kiến tiếp cận, như dữ liệu mở, tin tức hoặc cơ sở tra cứu. Kết quả cần được xem lại khi người nhận, nguồn dữ liệu hay môi trường kỹ thuật thay đổi.

HHS không đưa ra một ngưỡng số duy nhất cho mọi bộ dữ liệu theo phương pháp chuyên gia. Nguy cơ phụ thuộc dữ liệu, nguồn bên ngoài và năng lực của người nhận dự kiến. Mức xử lý mạnh hơn cũng làm giảm độ chi tiết phục vụ phân tích hoặc huấn luyện.

Khung tại Đài Loan dựa trên khả năng nhận dạng thực tế

Tại Đài Loan, bệnh án, thông tin y tế, di truyền và khám sức khỏe thuộc nhóm dữ liệu được bảo vệ chặt. Luật cho phép xử lý trong những căn cứ đã quy định, gồm nghĩa vụ pháp lý, nghiên cứu đáp ứng điều kiện hoặc đồng ý bằng văn bản. Khử định danh chỉ xử lý khả năng nối dữ liệu với một người. Mục đích sử dụng, căn cứ pháp lý và biện pháp an toàn vẫn phải được đánh giá riêng.

Bộ Tư pháp Đài Loan là cơ quan ban hành văn bản giải thích hành chính được trích dẫn trong trường hợp này. Văn bản năm 2018 xem xét ảnh thẻ căn cước được đổi thành đặc trưng không thể đảo ngược. Dữ liệu ra ngoài phạm vi cá nhân nếu không còn khả năng nhận dạng trực tiếp hoặc gián tiếp. Cùng văn bản mô tả khử định danh là quy trình làm mất hai khả năng nhận dạng đó. Kết luận vì thế phụ thuộc dữ liệu sau xử lý và phương tiện nhận dạng sẵn có, thay vì tên gọi của sản phẩm.

Chính quyền thành phố Đài Bắc là chính quyền địa phương tại thủ đô Đài Loan. Cơ quan này ban hành quy trình năm 2023 cho dữ liệu cá nhân có cấu trúc dùng trong mở dữ liệu hoặc phân tích liên cơ quan. Quy trình tách người xử lý khỏi người kiểm tra và yêu cầu đánh giá định kỳ nguy cơ rò rỉ riêng tư. Đây là quy tắc hành chính địa phương, không phải chuẩn thống nhất cho mọi bệnh viện hoặc doanh nghiệp tại Đài Loan.

Cơ sở dữ liệu pháp luật Đài Loan ghi nhận lần sửa đổi ngày 11 tháng 11 năm 2025. Ngày thi hành của một số nội dung vẫn chưa được ấn định. Hồ sơ hợp tác dữ liệu vì thế cần ghi rõ phiên bản pháp luật và phạm vi sử dụng đang áp dụng. Trách nhiệm điều chỉnh khi quy định mới có hiệu lực cũng cần xuất hiện trong tài liệu dự án.

Bốn câu hỏi trước khi gửi báo cáo sức khỏe cho dịch vụ AI

Một tình huống thường gặp là gửi báo cáo khám sức khỏe, đơn thuốc, kết quả hình ảnh hoặc lịch sử khám cho AI để sắp xếp. Họ tên và số căn cước là dấu hiệu rõ, còn bệnh viện, ngày đầy đủ và bệnh hiếm tiếp tục thu hẹp danh tính. Mã vạch, mã QR, tên tệp và siêu dữ liệu cũng lưu dấu vết ngoài phần chữ nhìn thấy.

1. Chính sách của dịch vụ có nêu thời gian lưu, mục đích huấn luyện, quyền truy cập của quản trị viên và cách xóa dữ liệu hay không?
2. Tệp còn họ tên, mã hồ sơ, mã vạch, cơ sở khám, ngày đầy đủ hoặc tổ hợp bệnh hiếm hay không?
3. Tác vụ AI cần toàn bộ tệp gốc hay chỉ cần một phần dữ liệu tối thiểu đã được sắp xếp?
4. Đầu ra chỉ phục vụ sắp xếp thông tin hay đã đi vào quyết định chẩn đoán, dùng thuốc hoặc điều trị?

Một đoạn dữ liệu ngắn hơn thường giảm phạm vi lộ lọt so với toàn bộ tệp gốc. Cách làm này không biến dịch vụ AI công cộng thành môi trường xử lý dữ liệu y tế. Điều khoản lưu trữ, người nhận thực tế và khả năng nối với dữ liệu khác vẫn quyết định phần nguy cơ còn lại.

Hồ sơ quản trị cho bệnh viện và doanh nghiệp

Bệnh viện hoặc doanh nghiệp cần tách quyền giao dữ liệu khỏi khả năng vận hành mô hình. Một hồ sơ kiểm tra quyền riêng tư không thay thế đánh giá chất lượng dữ liệu. Tài liệu dự án cần nối sáu nhóm bằng chứng với phiên bản dữ liệu và mô hình tương ứng.

1. Mục đích và tập dữ liệu tối thiểu: nhiệm vụ của mô hình, người nhận đầu ra, thời gian lưu cùng lý do giữ từng trường.
2. Từ điển dữ liệu: định danh trực tiếp, định danh gián tiếp, văn bản tự do, chữ trong ảnh, tên tệp và siêu dữ liệu.
3. Xử lý và bảng đối chiếu: trường bị xóa, làm thô hoặc mã hóa; đơn vị giữ dữ liệu gốc và người có quyền nối lại.
4. Truy cập và nhật ký: vai trò, phạm vi truy vấn, giới hạn tải xuống, thời hạn lưu, nhà thầu phụ và vị trí dữ liệu.
5. Thử nghiệm nguy cơ và chất lượng: khả năng nối với nguồn ngoài, phân bố bệnh, tỷ lệ thiếu dữ liệu và thay đổi hiệu năng mô hình.
6. Sự cố và kết thúc dự án: quy trình thông báo, dừng truy cập, xóa dữ liệu và phân công trách nhiệm khi mục đích thay đổi.

Bốn mô hình NIST nêu ra tạo bốn mức tiếp cận khác nhau cho người nhận. Dữ liệu công khai mở rộng khả năng nối, còn giao diện truy vấn và môi trường kín kiểm soát đường truy cập. Dữ liệu tổng hợp tạo một bộ mới nhưng vẫn cần đánh giá độ trung thực và nguy cơ rò rỉ. Mỗi lựa chọn phải để lại tiêu chí, kết quả thử nghiệm và người phê duyệt.

Khử định danh thành công không chứng minh mô hình AI đủ chất lượng cho bệnh viện. Dữ liệu sau xử lý vẫn cần kiểm tra độ đầy đủ, mức đại diện và thay đổi phân bố. Mô hình còn cần kiểm chứng trên nhóm bệnh nhân và quy trình dự kiến phục vụ.

Ba câu hỏi thường gặp

Xóa họ tên đã hoàn tất khử định danh chưa?

Chưa. Ngày sinh, địa điểm, giờ khám, bệnh hiếm, chữ trong ảnh và siêu dữ liệu vẫn tạo dấu vết gián tiếp. Tiêu chí tại Đài Loan xét cả khả năng nhận dạng trực tiếp lẫn gián tiếp trong dữ liệu sau xử lý.

Giả danh dữ liệu khác ẩn danh hóa ở điểm nào?

Giả danh dữ liệu thường giữ bảng đối chiếu hoặc khóa trong một vùng được kiểm soát. Đơn vị có thẩm quyền vẫn nối mã với danh tính khi đủ điều kiện. Ẩn danh hóa đặt yêu cầu cao hơn: dữ liệu không còn nhận dạng trực tiếp hoặc gián tiếp trong môi trường đã đánh giá.

Dữ liệu đã khử định danh được đưa thẳng vào huấn luyện AI chưa?

Không mặc nhiên. Dự án còn phải xác định mục đích, căn cứ sử dụng, người nhận, thời gian lưu và nguy cơ nối lại danh tính. Chất lượng dữ liệu, mức đại diện, hiệu năng mô hình và nguy cơ lộ thông tin qua đầu ra cần hồ sơ kiểm tra riêng.

Các phần pháp lý trong bài áp dụng tại Đài Loan, còn hướng dẫn HHS chỉ áp dụng theo HIPAA ở Mỹ. Tại Việt Nam, kết luận tuân thủ cần dựa trên quy định áp dụng cho chính dự án, thay vì sao chép ngưỡng của Mỹ hoặc Đài Loan. Tính đến thời điểm bài viết được thực hiện, chúng tôi chưa tìm thấy văn bản chính thức của cơ quan chức năng Việt Nam. Các tài liệu đã kiểm tra chưa cung cấp số liệu so sánh cho trường hợp này.