Синтетички здравствени подаци: равнотежа између информација и приватности

• Аутор:
• ime аутора

  Куантумрун Форесигхт
• Јун 16, 2023

Инсигхт хигхлигхтс

Синтетички здравствени подаци превазилазе изазове у приступу квалитетним информацијама истовремено штитећи поверљивост пацијената. То би могло да револуционише здравствену заштиту тако што ће подстаћи истраживање, олакшати развој технологије и помоћи моделирању здравственог система уз истовремено смањење ризика од злоупотребе података. Међутим, потенцијални изазови, као што су безбедносне рањивости, пристрасност вештачке интелигенције и недовољна заступљеност група, треба да се позабаве новим прописима.

Контекст синтетичких здравствених података

Приступ висококвалитетним здравственим подацима и подацима који се односе на здравствену заштиту може бити изазован због трошкова, прописа о приватности и разних законских ограничења и ограничења интелектуалне својине. Да би поштовали поверљивост пацијената, истраживачи и програмери се често ослањају на анонимизоване податке за тестирање хипотеза, валидацију модела података, развој алгоритама и иновативно израду прототипа. Међутим, претња поновне идентификације анонимних података, посебно у ретким условима, је значајна и практично је немогуће искоренити. Поред тога, због различитих изазова интероперабилности, интегрисање података из различитих извора за развој модела анализе, алгоритама и софтверских апликација је често компликовано. Синтетички подаци могу убрзати процес иницирања, усавршавања или тестирања пионирских истраживачких метода. 

Закони о приватности у Сједињеним Државама и Европи штите здравствене податке појединаца од приступа трећих страна. Сходно томе, детаљи попут менталног здравља пацијента, прописаних лекова и нивоа холестерола остају приватни. Међутим, алгоритми могу конструисати скуп вештачких пацијената који тачно одражавају различите делове популације, чиме се омогућава нови талас истраживања и развоја. 

На почетку пандемије ЦОВИД-19, медицински центар Схеба са седиштем у Израелу је искористио МДЦлоне, локални старт-уп који генерише синтетичке податке из медицинске документације. Ова иницијатива је помогла да се добију подаци о пацијентима са ЦОВИД-19, омогућавајући истраживачима у Израелу да проуче прогресију вируса, што је резултирало алгоритмом који је помогао медицинским професионалцима да ефикасније дају приоритет пацијентима на интензивној нези. 

Ометајући утицај

Синтетички здравствени подаци могли би значајно да убрзају и унапреде медицинска истраживања. Креирањем реалистичних, великих скупова података без угрожавања приватности пацијената, истраживачи би могли ефикасније да проучавају различита здравствена стања, трендове и исходе. Ова карактеристика би могла довести до бржег развоја третмана и интервенција, прецизнијих модела предвиђања и бољег разумевања сложених болести. Штавише, коришћење синтетичких података могло би да помогне у решавању здравствених диспаритета омогућавањем истраживања на недовољно проучаваним популацијама за које би прикупљање довољних података из стварног света могло бити тешко или етички проблематично.

Штавише, синтетички здравствени подаци би могли да трансформишу развој и валидацију здравствених технологија. Иноватори у дигиталном здрављу, вештачкој интелигенцији (АИ) и машинском учењу (МЛ) имају значајне користи од приступа богатим, разноврсним скуповима података за обуку и тестирање алгоритама. Са синтетичким здравственим подацима, они могу побољшати тачност, праведност и корисност својих алата без правних, етичких и практичних препрека руковању стварним подацима о пацијентима. Ова карактеристика би могла да убрза развој дијагностичких алата вештачке интелигенције и персонализованих дигиталних здравствених интервенција, па чак и да олакша појаву нових парадигми здравствене заштите засноване на подацима.

Коначно, синтетички здравствени подаци могу имати важне импликације на здравствену политику и управљање. Висококвалитетни синтетички подаци могли би подржати робусније моделирање здравствених система, дајући информације за планирање и евалуацију здравствених услуга. Такође би могло да омогући истраживање хипотетичких сценарија, као што је вероватан утицај различитих интервенција јавног здравља, без потребе за скупим, дуготрајним и потенцијално ризичним испитивањима у стварном свету. 

Импликације синтетичких здравствених података

Шире импликације синтетичких здравствених података могу укључивати: 

• Мањи ризик од цурења или злоупотребе осетљивих информација о пацијенту. Међутим, то би могло довести до нових сигурносних пропуста ако се не управља правилно.
• Боље моделирање здравствених стања и исхода лечења међу различитим популацијама што доводи до побољшаног приступа здравственој заштити за недовољно заступљене групе. Међутим, ако је АИ пристрасност присутна у овим синтетичким информацијама, то би такође могло погоршати медицинску дискриминацију.
• Смањени трошкови медицинског истраживања елиминисањем потребе за скупим и дуготрајним процесом регрутовања пацијената и прикупљања података. 
• Владе креирају нове законе и прописе како би заштитиле приватност пацијената, управљале употребом података и осигурале једнак приступ предностима ове технологије. 
• Софистицираније АИ/МЛ апликације које пружају обиље података без бриге о приватности док аутоматизују обраду и управљање електронским здравственим картонима.
• Дељење синтетичких здравствених података на глобалном нивоу побољшава међународну сарадњу у суочавању са здравственим кризама, попут пандемије, без нарушавања приватности пацијената. Овај развој може довести до снажнијих глобалних здравствених система и механизама за брзо реаговање.
• Смањење физичких ресурса потребних за традиционално прикупљање, складиштење и дељење података могло би да доведе до нижих емисија угљеника.

Питања која треба размотрити

• Ако радите у здравству, како ваша организација користи синтетичке податке у истраживању?
• Која су потенцијална ограничења синтетичких здравствених података?