2. Viktige begreper

Personopplysninger er enhver opplysning om en identifisert eller identifiserbar fysisk person, jf. GDPR art. 4 nr. 1. En identifiserbar fysisk person er en person som direkte eller indirekte kan identifiseres, særlig ved hjelp av en identifikator, f.eks. et navn, et identifikasjonsnummer, lokaliseringsopplysninger, en nettidentifikator eller ett eller flere elementer som er spesifikke for nevnte fysiske persons fysiske, fysiologiske, genetiske, psykiske, økonomiske, kulturelle eller sosiale identitet.

Anonyme opplysninger er opplysninger som ikke kan knyttes til en identifiserbar fysisk enkeltperson, eller som er anonymisert på en slik måte at en personopplysning ikke lenger kan knyttes til en fysisk enkeltperson, se fortalen til GDPR punkt 26. Når du utvikler kunstig intelligens må du være oppmerksom på at algoritmer kan sammenstille og analysere anonyme opplysninger på måter som gjør at fysiske enkeltpersoner likevel kan identifiseres. Da vil ikke opplysningene lenger være anonyme.

Helseopplysninger er personopplysninger som gir informasjon om persons fysiske eller psykiske helse, herunder ytelse av helsetjenester, jf. GDPR art. 4 nr. 15.

Behandling av helse- og personopplysninger omfatter enhver operasjon eller rekke av operasjoner som gjøres med helse- og personopplysninger, enten automatisert eller ikke, f.eks. innsamling, registrering, organisering, strukturering, lagring, tilpasning eller endring, gjenfinning, konsultering, bruk, utlevering ved overføring, spredning eller alle andre former for tilgjengeliggjøring, sammenstilling eller samkjøring, begrensning, sletting eller tilintetgjøring, jf. GDPR art. 4 nr. 2. Dette betyr at bruk av person- og helseopplysninger for utvikling av kunstig intelligens, for eksempel innsamling og trening av algoritmer, er behandling av person- og helseopplysninger.

Kunstig intelligens blir ofte brukt som en samlebetegnelse for ulike typer maskinlæring, men det finnes ingen omforent forståelse av begrepet. I denne veilederen legger vi til grunn en vid forståelse av begrepet.

Maskinlæring bruker matematiske og statistiske metoder for å lage algoritmer som er basert på analyse av data. Treningen av systemet kan skje ved veiledet læring, uveiledet læring eller forsterkende læring.

Dyp læring er en form for maskinlæring som bruker nevrale nettverk for å analysere data. Dersom modellen bruker flere lag med nevrale nettverk, kalles det dyp læring eller dypt nevralt nettverk.

Modell, eller KI-modell, er et samlebegrep på resultatet av maskinlæring. Det er modellen som analyserer nye data og gir en klassifisering, prediksjon eller grad av sannsynlighet.

Medisinsk utstyr er ethvert instrument, apparat, utstyr, programvare, materiale eller annen gjenstand som brukes alene eller i kombinasjon, herunder programvare som av produsenten er tiltenkt å brukes spesielt til diagnostiske og/eller terapeutiske formål og som kreves for riktig bruk, og som er ment å skulle brukes på mennesker med sikte på:

  • diagnostisering, forebygging, overvåkning, behandling eller lindring av sykdom,
  • undersøkelse, utskifting eller endring av anatomien eller av en fysiologisk prosess,
  • svangerskapsforebyggelse,

og der den ønskede hovedvirkning i eller på menneskekroppen ikke framkalles ved farmakologisk eller immunologisk virkning eller ved å påvirke stoffskiftet, men der slike effekter kan bidra til dets funksjon.

Produktutvikling brukes i denne veilederen om utvikling av kunstig intelligens utenfor et forskningsprosjekt. Produktutvikling kan også skje i forlengelsen av et forskningsprosjekt, for eksempel ved at forskningsresultater brukes for å lage et kommersielt produkt.

Sist faglig oppdatert: 17. mars 2021