保护与去标识化科研数据

Protect and Deidentify Research Data · 🟡进阶 · 所属分类：科研伦理、安全与诚信

含患者信息的数据直接共享是违规的，但手工去标识特别容易漏——DICOM 影像里藏的元数据、「罕见病+地域」组合还能被反推出个人，这些盲区一不小心就出事。它帮你把去标识做成一套可复现、可追溯的流程：哪个字段怎么处理、重识别风险有多大、走的是哪条合规路径，都写清楚、留得下痕迹。

适合谁

要把临床/测序/影像数据公开或受控共享的临床研究者、数据管理员，以及负责数据合规的生信工程师。

给它什么 · 得到什么

• 你提供：数据集样例或字段字典（标出直接/准标识符）、数据类型（临床表/测序/影像/病历文本）、目标共享场景（公开发布或受控访问）
• 你得到：一份去标识化方案+可复现处理脚本骨架（字段级规则表）、重识别风险评估，并标明符合 HIPAA Safe Harbor/Expert Determination 或 GDPR 的合规路径

怎么用

可以这样开口：「这是我们医院一批乳腺癌患者的临床表格，我想放到公开数据库，帮我看怎么去标识才合规。」触发后它会先编一张字段级敏感度清单、分清直接和准标识符，再制定泛化/掩码/日期偏移/k-匿名等规则，评估准标识符组合的重识别风险，最后给出带处理日志的可复现脚本以备审计。

提个醒

去标识不等于绝对匿名，受控数据的合规判定仍需数据保护官或 IRB 确认；影像与文本类需借助专业工具落地，本 skill 负责编排与核查。