Undersökning av användning av syntetisk data inom intensivvården

Brist på tillgång till tillräckligt med data och begränsningar för delning av data mellan hälsoorganisationer är två av de största utmaningarna när man utvecklar AI-modeller inom hälso- och sjukvård. AI Sweden, tillsammans med projektpartners Region Västerbotten, Örebro Universitet och Syndata AB, har undersökt möjligheterna att använda syntetisk data som en potentiell väg framåt.

En vanlig utmaning när man arbetar med AI-modeller inom hälso- och sjukvård är behovet av stora mängder data för att träna modellerna. Om sjukvårdsregionerna kunde dela sin data med varandra, skulle det vara mycket fördelaktigt för AI-utveckling. En potentiell lösning kan vara att arbeta med syntetisk data som inte innehåller identifierbar patientdata och kan delas utan att bryta mot sekretess.

Vi vill stödja den nationella användningen av syntetisk data för att utveckla fördelaktiga AI-modeller inom hälso- och sjukvård.

Vi vill se denna metod replikeras på nationell nivå. Följande rapport kan delas bland regionerna för att främja praxis.

Denna fas 1-rapport fokuserar på nyttan med AI-modeller i prediktiv hälso- och sjukvård. Vi har undersökt olika generativa metoder för att skapa syntetisk data och validerat syntetiserad data med avseende på både kvalitet och nytta för att träna AI-modeller.

Rapporten har sex delar:

1: Syntetisk data inom IVA rapport (på svenska) Här beskrivs förutsättningarna och insikterna från projektet.
2: Rapport Syndata AB (på svenska) Lärdomar från vår partner Syndata AB som genomförde syntetiseringen av data från Region Västerbotten.
Attachment 1a: Recovered dataset evaluation report (in English) Technical assessment of the quality of the recovered synthetic dataset.
Attachment 1b: Discharged dataset evaluation report (in English) Technical assessment of the quality of the discharged synthetic dataset.
Attachment 2: Results from AI Sweden (in English) Technical results regarding the quality and privacy of the synthetic data generated by the models.
Attachment 3: Results from Region Vasterbotten (in English) Technical validation of how well the different synthesized datasets perform when training AI models in the same way as for the original data.