Transferência de Dados de Investigação Médica

O Artigo 89.º do RGPD permite o tratamento de dados de saúde para fins de investigação científica, mas exige salvaguardas concretas — pseudonimização, minimização de dados e limitação da finalidade. Em Portugal, a CNPD e a CNCS publicaram orientações específicas sobre como essas salvaguardas se aplicam a transferências de dados de investigação entre instituições. A transferência de dados de investigação médica significa mover conjuntos de dados desidentificados ou limitados entre centros médicos académicos, centros coordenadores, laboratórios centrais e repositórios públicos, respeitando ao mesmo tempo o Acordo de Utilização de Dados que rege o estudo. Os ficheiros variam de um export de 5 MB do REDCap a um arquivo BAM de genómica de 2 TB, e o método de transferência muda em conformidade.

O Acordo de Utilização de Dados Define as Regras

Antes de um byte se mover, o AUD entre instituições dita o que é permitido. Um AUD típico de um estudo multicêntrico especifica:

• Elementos de dados incluídos (regras de desvio de datas, truncagem do código postal a 3 dígitos, idade limitada a 89 anos)
• Requisitos de armazenamento no site recetor (encriptado em repouso, com controlo de acesso)
• Método de transferência (SFTP por VPN, SCP com autenticação de chave pública, portal web aprovado)
• Proibição de reidentificação e regras de supressão de células pequenas
• Período de revisão antes da publicação
• Data e método de destruição

Quando o AUD especifica "transferir via portal seguro designado pelo promotor", usa-se esse portal mesmo que seja mais lento do que o endpoint Globus da sua instituição. Quando o AUD é omisso quanto ao método, recorre-se aos mecanismos aprovados pelo Comité de Ética da sua instituição.

Níveis de Desidentificação em Investigação

O RGPD e a lei portuguesa de investigação em saúde reconhecem categorias distintas:

1. Dados completamente desidentificados — estatisticamente desidentificados de modo a que o risco de reidentificação seja negligenciável. Fora do âmbito do RGPD uma vez desidentificados, mas a CNPD recomenda documentar o processo de desidentificação
2. Conjunto de Dados Limitado — remove a maioria dos identificadores mas mantém datas e detalhe geográfico até ao nível de município. Requer um Acordo de Utilização de Dados e um DPA. Ainda dados pessoais
3. Dados codificados com chave de ligação no site de origem — tecnicamente ainda dados pessoais no site de origem, mas o conjunto de dados codificado no site recetor pode qualificar como pseudonimizado em circunstâncias específicas

A maioria da investigação multicêntrica trabalha com Conjuntos de Dados Limitados. A data de admissão interessa. A região geográfica interessa. A idade em anos interessa. Os fluxos de transferência têm de tratar estes dados como regulados — não como conjuntos de dados de ciência aberta prontos para GitHub.

Política de Gestão de Dados para Investigação Financiada

O Horizonte Europa e os organismos financiadores nacionais como a FCT (Fundação para a Ciência e a Tecnologia) exigem cada vez mais um Plano de Gestão de Dados para todos os estudos financiados. Os planos especificam como os dados serão partilhados, onde (ZENODO, repositórios institucionais, bases de dados especializadas) e quando.

Para dados genómicos, repositórios de acesso controlado como o European Genome-phenome Archive (EGA) têm requisitos específicos de transferência: carregamento via Aspera ou SFTP, autoridade de assinatura institucional pré-aprovada, autenticação de dois fatores. Para dados de ensaios clínicos, o Vivli e o CSDR requerem metadados estruturados e formatos de ficheiro específicos.

Se o Plano de Gestão de Dados diz "os dados serão partilhados via EGA no prazo de 12 meses após a conclusão do estudo", o fluxo de transferência tem de produzir pacotes prontos para o EGA dentro do prazo. Planifique o pipeline; não deixe para o dia da submissão.

Genómica em Escala: Terabytes em Movimento

Um ficheiro BAM de sequenciação de genoma completo tem 50-200 GB. Os FASTQs de leitura curta de um único sujeito comprimem para 80 GB. Multiplicado pelo tamanho da coorte, está a mover 10-100 TB por lote de análise. As ferramentas de transferência web não conseguem lidar com isto. As opções são:

• Globus Connect — transferência de dados de alto desempenho sobre GridFTP, usado pelos principais centros de investigação com financiamento europeu; endpoints disponíveis no INESC-TEC, FCiências.ID e outros
• Aspera (IBM) — transferência baseada em UDP com controlo de congestionamento, usado pelo EGA, SRA e fornecedores comerciais de sequenciação
• Transporte físico — dispositivos encriptados expedidos quando a transferência de rede demoraria semanas
• Transferência nuvem-a-nuvem — se origem e destino assentam em AWS S3 ou GCP Cloud Storage, os serviços de transferência de armazenamento movem petabytes em horas

Para os ficheiros menores que rodeiam os grandes — folhas de cálculo de fenótipos, relatórios de QC, protocolos de estudo — uma transferência web encriptada mantém o pipeline de metadados em movimento sem esperar que o carregamento BAM termine.

O Nível Intermédio: REDCap, Folhas de Cálculo e Revisões de Processos

A maioria das transferências de dados de investigação não são genómica. São um export REDCap de 40 MB, uma folha de cálculo desidentificada de abstração de processos de 15 MB, uma pasta de 200 MB de miniaturas de TC desidentificadas para um estudo de validação de IA. A transferência web segura cobre esta gama sem problemas.

Requisitos mínimos:

• Encriptação AES-256-GCM, idealmente do lado do cliente
• Transporte TLS 1.3
• Expiração do link (7-30 dias conforme o AUD)
• Registo de auditoria com hash do ficheiro e IP do destinatário
• Canal de palavra-passe separado do canal de link

O HexaTransfer cumpre estas especificações com encriptação de conhecimento zero do lado do cliente. Experimente em https://hexatransfer.com — gratuito, sem conta, máximo de 10 GB. Registe a transferência no dossier do estudo com data, destinatário, descrição do ficheiro e hash SHA-256.

RGPD Artigo 89.º e Investigação Internacional

Os dados de investigação da UE têm salvaguardas específicas ao abrigo do Artigo 89.º do RGPD: pseudonimização, minimização de dados e limitação da finalidade alinhada com o objetivo da investigação. Para transferências de instituições da UE para colaboradores fora do EEE após o acórdão Schrems II, aplicam-se as Diretrizes 03/2020 do CEPD sobre o processamento de dados para investigação científica.

Medidas suplementares para transferências fora do EEE:

• Pseudonimização com a chave retida no site da UE
• Encriptação do lado do cliente para que o prestador de transferência não tenha acesso ao texto em claro
• Proibição contratual de contestação de divulgação mandada por governo
• Avaliação de Impacto de Transferência documentada

A Lei de Proteção de Dados portuguesa (Lei n.º 58/2019) transpõe o RGPD com disposições específicas para investigação em saúde que complementam o Artigo 89.º. Não assuma que um fluxo de trabalho cobre todos os parceiros europeus.

Pacotes de Reprodutibilidade e Ciência Aberta

Revistas como a Nature, Science e The Lancet exigem cada vez mais pacotes de reprodutibilidade na submissão: código, dados desidentificados suficientes para reproduzir a análise, e especificações de ambiente (containers Docker, ficheiros renv/conda). Estes pacotes têm tipicamente 100 MB a 10 GB.

A transferência para o sistema de submissão da revista ou para um repositório como o Zenodo ou o PANGAEA requer:

• Atribuição de DOI para citação
• Autenticação ORCID para o depositante
• Metadados de licenciamento (CC0, CC-BY, referência a AUD personalizado)
• Formato arquivístico persistente (.tar.gz, .csv.gz em vez de .xlsx)

Ciência aberta não significa trânsito não encriptado. Significa acesso aberto após o depósito. A transferência para o repositório ainda precisa de TLS 1.3 e verificações de integridade.

Trilhos de Auditoria para Integridade da Investigação

Para além dos requisitos dos comités de ética, as investigações de integridade da investigação acontecem. A CNPD pode solicitar acesso a registos de tratamento de dados no contexto de investigações de integridade que envolvam dados pessoais. Os registos de transferência suportam essa reconstituição.

Retenção: a FCT e outros financiadores exigem retenção de dados de investigação por pelo menos 5 anos após o relatório final do projeto, mais longo para programas específicos. Para dados de ensaios clínicos que apoiam uma autorização de introdução no mercado, isso pode estender-se 25 anos ou mais.

Campos do registo:

1. Marca temporal UTC
2. Identidade do remetente (conta institucional autenticada)
3. Identidade do destinatário (autenticado, não uma caixa de correio genérica)
4. SHA-256 do ficheiro
5. Referência ao protocolo do comité de ética
6. Referência ao AUD

Centros Coordenadores e Mapeamento de Fluxos de Dados

Os estudos multicêntricos encaminham dados por um Centro Coordenador de Dados. O CCD mantém o conjunto de dados mestre, trata do controlo de qualidade e distribui conjuntos de dados derivados para os núcleos analíticos e os centros individuais. Os fluxos de transferência têm a seguinte forma:

• Centro → CCD: carregamento encriptado de dados de FRC e PDFs de documentos fonte
• CCD → Núcleo Central: conjunto de dados derivado para objetivo analítico específico
• CCD → Centros: relatórios periódicos de progresso com benchmarks por centro
• CCD → Repositório: conjunto de dados final do estudo na publicação ou conforme o Plano de Gestão de Dados

Cada ligação tem o seu próprio método de transferência, AUD e requisito de auditoria. Mapeie os fluxos num diagrama antes de o estudo abrir. Atualize o diagrama quando um novo núcleo aderir.

A transferência de dados de investigação médica vive na interseção da ciência aberta, da conformidade regulatória e da engenharia de rede prática. A ferramenta certa para um ficheiro de fenótipos de 10 MB é a ferramenta errada para um BAM de 2 TB. Construa um fluxo de trabalho por camadas que faça corresponder cada transferência ao seu canal adequado, documente-o no Plano de Gestão de Dados, e o resto é execução cuidadosa.