Tietosuoja ja -turva ovat suomalaisissa sote-organisaatioissa korkealla tasolla, mutta yksi haaste ei ole kadonnut minnekään: miten tunnistaa tilanteet, joissa tietoja käytetään ilman asiallista perustetta. Sosiaali- ja terveydenhuollossa käsitellään päivittäin valtavia määriä potilas- ja asiakastietoja. Jokainen hoitotilanne, ajanvaraus ja lausunto tuottavat tietoa, jota organisaation ammattilaiset käyttävät päivittäin työssään. Kuinka hyvin tämän tiedon käyttöä todella valvotaan?
Puhuttaessa datan turvallisuudesta keskustelu keskittyy usein käyttöoikeuksiin, turvalliseen tunnistautumiseen ja teknisiin suojauksiin. Nämä ovatkin ensisijaisen tärkeitä nykyajan dataympäristössä. Mutta tiedot voivat vaarantua myös organisaation sisältä käsin. Suomessa ja maailmalla onkin uutisoitu useita tapauksia, jossa henkilöstö on perusteettomasti tarkastellut esimerkiksi yksityishenkilöiden terveystietoja.
Potilas luottaa siihen, että hänen tietojaan käsittelevät vain ne henkilöt, joilla on siihen työtehtäviensä perusteella oikeus. Hyvinvointialueiden ja muiden terveyspalveluiden järjestäjien on kyettävä todistamaan, että henkilötietojen käsittelyä valvotaan aktiivisesti, eikä pelkästään reagoida poikkeamiin jälkikäteen. Organisaatioille kyse ei ole vain yksittäisten lokimerkintöjen tarkastamisesta, vaan omavalvonnan uskottavuudesta. Mitä laajempi organisaatio ja mitä useammasta järjestelmästä tietoa kertyy, sitä vaikeampaa on osoittaa, että potilas- ja asiakastietojen käyttöä valvotaan systemaattisesti, tasapuolisesti ja ajoissa.
Lokitietoja on kerätty terveydenhuollossa jo vuosia. Niiden avulla voidaan selvittää jälkikäteen, kuka tietoja on käsitellyt, mitä tietoja on katsottu ja milloin. Vaikka lokitietoja kerätään kattavasti, niiden hyödyntäminen jää monissa organisaatioissa edelleen pääosin jälkikäteiseen tarkasteluun. Silloin vahinko on voinut tapahtua jo kauan aikaisemmin.
Suurilla hyvinvointialueilla syntyy päivittäin valtava määrä lokitapahtumia. Käytännössä niiden jokaisen yksittäinen manuaalinen tarkastelu on mahdotonta. Siksi valvonta perustuu usein satunnaisiin tarkastuksiin, ilmoituksiin tai väärinkäyttöepäilyihin. Lokivalvonta muistuttaa turvakameraa, jonka tallenteita katsotaan vasta tapahtuneen jälkeen. Kysymys kuuluu, voisiko riskit tunnistaa jo ennen kuin väärinkäyttö johtaa vakaviin seurauksiin?
Data-analytiikka ja automaatiot tuovat lokivalvontaan uudenlaista mittakaavaa ja ennakoivuutta. Aiemmin valvonta perustui usein ennalta määriteltyihin sääntöihin: esimerkiksi tietty määrä hakuja tai tiettyyn käyttäjäryhmään liittyvät tapahtumat saattoivat laukaista tarkastuksen. Nykyaikaisessa terveydenhuollossa lokitapahtumia kertyy päivittäin eri järjestelmistä niin paljon, ettei perinteinen valvonta enää riitä. Tehokas valvonta edellyttää automaatiota, analytiikkaa ja kykyä tunnistaa poikkeamia laajoista datamassoista lähes reaaliaikaisesti.
Nykyaikaiset analytiikkaratkaisut pystyvät tarkastelemaan käyttäjien toimintaa huomattavasti laajemmin.
Järjestelmä voi tunnistaa esimerkiksi:
Tärkeää on huomata, että tarkoituksena ei ole korvata ihmisiä päätöksenteossa. Sen sijaan analytiikka auttaa kohdistamaan asiantuntijoiden huomion niihin tapahtumiin, joihin kannattaa reagoida.
1. Uteliaisuudesta tehty tietojen katselu
Potilas on tietojen tarkastelijalle tuttu henkilö, naapuri tai julkisuudessa näkyvä henkilö. Käyttöoikeudet mahdollistavat pääsyn järjestelmään, mutta tiedon katselulle ei ole työtehtävään liittyvää perustetta.
Yksittäinen tapahtuma voi jäädä helposti huomaamatta ilman kohdennettua analytiikkaa.
2. Pitkään jatkuva poikkeava toiminta
Työntekijä tarkastelee säännöllisesti sellaisia tietoja, jotka eivät liity hänen normaaliin työkuvaansa. Yksittäiset katselut eivät välttämättä ylitä hälytysrajoja, mutta kuukausien aikana muodostuu selkeä poikkeama.
Tällaisen kehityksen havaitseminen edellyttää usein pitkän aikavälin analysointia.
3. Kun yksittäinen tapahtuma näyttää normaalilta, mutta kokonaisuus ei
Yksittäinen lokimerkintä voi näyttää tavalliselta, mutta kokonaisuus kertoo enemmän. Kun tapahtumaa tarkastellaan yhdessä ajankohdan, käyttäjän yksikön, työtehtävän tai aiemman käyttöhistorian kanssa, se voi paljastaa poikkeaman, joka ei muuten nousisi esiin.
Tällaiset tilanteet jäävät helposti piiloon, jos valvonta perustuu vain yksittäisten tapahtumien manuaaliseen tarkasteluun.
Moni sote-organisaatio on jo rakentanut vahvat tietosuojan ja -turvan perusprosessit. Seuraava kehitysaskel on siirtyminen reaktiivisesta vahinkojen korjaamisesta ennakoivaan valvontaan.
Kun lokitietoja analysoidaan automaattisesti ja poikkeamia tunnistetaan jatkuvasti, organisaatio saa paremman näkyvyyden todellisiin riskeihin. Samalla tietosuojavastaavat, riskienhallinnan asiantuntijat ja johto voivat kohdistaa resurssinsa tehokkaammin.
Kyse ei ole pelkästään teknisestä kehityksestä. Mitä nopeammin poikkeamiin voidaan puuttua, sitä paremmin voidaan suojata sekä potilaiden tiedot että tämän luottamus organisaatioon.
Innolog on Innofactorin kehittämä lokianalytiikkaratkaisu, joka auttaa tunnistamaan poikkeavaa tietojen käyttöä automaattisesti. Sen avulla valvonta voidaan kohdistaa riskialttiimpiin tapahtumiin.
Analytiikka kokoaa eri järjestelmistä syntyvää lokitietoa yhteen ja nostaa esiin tapahtumia, jotka vaativat tarkempaa selvitystä. Näin asiantuntijoiden työaika voidaan kohdistaa olennaisiin tapauksiin, ja organisaatio saa paremman kokonaiskuvan siitä, miten potilas- ja asiakastietoja käytetään eri puolilla toimintaa.
Tanskassa Innologia on käytetty tietojen väärinkäytösten tunnistamisen tukena jo vuodesta 2016. Nyt ratkaisu on myös suomalaisten sote-organisaatioiden hyödynnettävissä.
Innofactorin webinaarissa Onko omavalvontasi myöhässä? Näin tunnistat potilastiedon urkinnan ajoissa käsitellään, kuinka automatisoitu lokivalvonta ja automaatioon perustuva analytiikka voivat auttaa sote-organisaatioita tunnistamaan poikkeavaa tietojen käyttöä nykyistä tehokkaammin ja ennakoivammin. Webinaarissa esitellään myös Innolog-ratkaisua sekä käytännön kokemuksia Pohjoismaista.
Tervetuloa mukaan kuulemaan, miten omavalvonta voidaan nostaa uudelle tasolle ja miten mahdolliset riskit voidaan havaita ennen kuin niistä muodostuu vakavia tietosuojaongelmia.