Dades de salut sintètiques: un equilibri entre informació i privadesa

• autor:
• nom de l'autor

  Previsió de Quantumrun
• Juny 16, 2023

Insight destacats

Les dades de salut sintètiques superen els reptes d'accés a informació de qualitat alhora que es protegeixen la confidencialitat del pacient. Podria revolucionar l'assistència sanitària potenciant la investigació, facilitant el desenvolupament tecnològic i ajudant a la modelització del sistema sanitari alhora que redueix els riscos d'ús indegut de dades. Tanmateix, els possibles reptes, com ara les vulnerabilitats de seguretat, el biaix de la IA i la subrepresentació dels grups, s'han de resoldre amb noves regulacions.

Context de dades de salut sintètiques

L'accés a dades de salut d'alta qualitat i relacionades amb l'assistència sanitària pot ser un repte a causa del cost, les regulacions de privadesa i diverses limitacions legals i de propietat intel·lectual. Per respectar la confidencialitat del pacient, els investigadors i els desenvolupadors sovint confien en dades anònimes per a la prova d'hipòtesis, la validació de models de dades, el desenvolupament d'algorismes i la creació de prototips innovadors. No obstant això, l'amenaça de tornar a identificar dades anònimes, especialment amb condicions rares, és important i pràcticament impossible d'eradicar. A més, a causa de diversos reptes d'interoperabilitat, sovint és complicat integrar dades de fonts diverses per desenvolupar models d'anàlisi, algorismes i aplicacions de programari. Les dades sintètiques poden accelerar el procés d'inici, perfeccionament o prova de mètodes de recerca pioners. 

Les lleis de privadesa tant als Estats Units com a Europa protegeixen les dades de salut de les persones de l'accés de tercers. En conseqüència, detalls com la salut mental d'un pacient, els medicaments prescrits i els nivells de colesterol es mantenen privats. Tanmateix, els algorismes poden construir un conjunt de pacients artificials que reflecteixin amb precisió diversos sectors de la població, facilitant així una nova onada d'investigació i desenvolupament. 

A l'inici de la pandèmia de la COVID-19, el Sheba Medical Center, amb seu a Israel, va aprofitar MDClone, una empresa local que genera dades sintètiques a partir de registres mèdics. Aquesta iniciativa va ajudar a produir dades dels seus pacients amb COVID-19, la qual cosa va permetre als investigadors d'Israel estudiar la progressió del virus, cosa que va donar lloc a un algorisme que va ajudar els professionals mèdics a prioritzar de manera més eficaç els pacients de la UCI. 

Impacte disruptiu

Les dades de salut sintètiques podrien accelerar i millorar significativament la investigació mèdica. En crear conjunts de dades realistes i a gran escala sense comprometre la privadesa del pacient, els investigadors podrien estudiar de manera més eficient diverses condicions, tendències i resultats de salut. Aquesta característica podria conduir a un desenvolupament més ràpid de tractaments i intervencions, models predictius més precisos i una millor comprensió de les malalties complexes. A més, l'ús de dades sintètiques podria ajudar a abordar les disparitats en salut permetent la investigació sobre poblacions poc estudiades per a les quals la recopilació de dades suficients del món real podria ser difícil o èticament problemàtica.

A més, les dades de salut sintètiques podrien transformar el desenvolupament i la validació de tecnologies sanitàries. Els innovadors en salut digital, intel·ligència artificial (IA) i aprenentatge automàtic (ML) es beneficiaran significativament de l'accés a conjunts de dades rics i variats per a la formació i la prova d'algorismes. Amb dades de salut sintètiques, poden millorar la precisió, l'equitat i la utilitat de les seves eines sense els obstacles legals, ètics i pràctics de manejar dades reals dels pacients. Aquesta característica podria accelerar el desenvolupament d'eines d'IA de diagnòstic i intervencions de salut digital personalitzades, i fins i tot facilitar l'aparició de nous paradigmes sanitaris basats en dades.

Finalment, les dades de salut sintètiques podrien tenir implicacions importants per a la política i la gestió sanitàries. Les dades sintètiques d'alta qualitat podrien donar suport a un modelatge de sistemes de salut més sòlid, informant la planificació i l'avaluació dels serveis sanitaris. També podria permetre l'exploració d'escenaris hipotètics, com ara l'impacte probable de diferents intervencions de salut pública, sense la necessitat d'assajos reals costosos, llargs i potencialment arriscats. 

Implicacions de les dades de salut sintètiques

Les implicacions més àmplies de les dades de salut sintètiques poden incloure: 

• Un menor risc de filtració o ús indegut d'informació sensible del pacient. Tanmateix, podria provocar noves vulnerabilitats de seguretat si no es gestiona correctament.
• Millor modelització de les condicions de salut i els resultats del tractament a diferents poblacions que condueixen a un millor accés a l'assistència sanitària per als grups poc representats. Tanmateix, si el biaix de la IA està present en aquesta informació sintètica, també podria empitjorar la discriminació mèdica.
• Reducció del cost de la investigació mèdica eliminant la necessitat de processos de reclutament i recollida de dades costosos i que requereixen temps. 
• Els governs creen noves lleis i regulacions per protegir la privadesa dels pacients, governar l'ús de les dades i garantir un accés equitatiu als beneficis d'aquesta tecnologia. 
• Aplicacions d'IA/ML més sofisticades que proporcionen una gran quantitat de dades sense problemes de privadesa alhora que automatitzen el processament i la gestió dels registres electrònics de salut.
• Compartir dades de salut sintètiques a nivell mundial millorant la cooperació internacional per fer front a les crisis de salut, com les pandèmies, sense violar la privadesa dels pacients. Aquest desenvolupament pot conduir a sistemes de salut globals més robusts i mecanismes de resposta ràpida.
• Una reducció dels recursos físics necessaris per a la recollida, l'emmagatzematge i l'intercanvi de dades tradicionals podria conduir a una disminució de les emissions de carboni.

Preguntes a tenir en compte

• Si treballes a la sanitat, com utilitza la teva organització les dades sintètiques en la recerca?
• Quines són les limitacions potencials de les dades de salut sintètiques?