Lovgivningen skal bevæge sig væk fra blot at fokusere på statiske identifikatorer som CPR-numre. I dag kan AI-algoritmer tage tilsyneladende uskyldige datapunkter – som postnummer, alder og medicinhistorik – og koble dem sammen til en præcis profil. Det betyder, at anonymisering i traditionel forstand ikke længere er tilstrækkelig beskyttelse.
En løsning kræver implementering af matematiske standarder som differential privacy. Ved at tilføje kontrolleret støj til datasæt kan man bevare de statistiske mønstre, som forskere har brug for, uden at afsløre det enkelte individs identitet. Lovgiverne bør kræve, at sådanne metoder anvendes i alle medicinske databehandlinger under Medicare-systemet.
Samtidig er det nødvendigt med strengere regler for dataminimering og formålsbestemt brug. Vi må begrænse adgangen til de rå datasæt, som AI-modeller trænes på. Hvis loven kræver, at alle sammenkøringer skal gennemgå en risikoanalyse baseret på sandsynligheden for reidentificering, står vi stærkere. Det handler om at flytte fokus fra, hvad data er, til hvad data kan bruges til i en AI-kontekst. Det er den eneste måde at sikre patienternes privatliv på, når teknologien kan se mønstre, som det menneskelige øje aldrig vil opdage.
