Et nytt nordisk-baltisk forskningsprosjekt bygger nå en felleseuropeisk plattform for analyse av helsedata. Prosjektet ledes av Nasjonalt senter for e-helseforskning. 

Forskerne bruker en metode kalt «Federated Learning» (FL). I den kan de trene modeller for kunstig intelligens uten å flytte rådata mellom sykehus, institusjoner eller over landegrenser.

Prosjektet får støtte fra flere europeiske institusjoner. Det er blant de første som bruker FL på helsedata i et reelt driftsmiljø.

Dette er viktig for å ivareta personvern. Samtidig kan forskere dele kunnskap. Resultatet er at diagnoser kan stilles raskere, behandling blir mer presis og forebygging bedre.

Hvordan virker FL?

I vanlig helseforskning samles ofte alle data på ett sted. Det er både dyrt og krevende. Med FL blir rådata liggende der de hører hjemme. Bare oppdateringer til KI-modellen sendes rundt i nettverket. 

Dermed kan sykehus, institusjoner og land samarbeide uten å dele selve pasientinformasjonen.

På den måten får forskere fra Norge, Sverige, Danmark, Finland og Estland tilgang til et stort datagrunnlag. Og det uten at rådata krysser landegrenser.

– Når vi unngår å flytte rådata, blir risikoen for brudd på personvern mindre. Samtidig åpner vi for å analysere data på tvers av store geografiske områder.

Det sier prosjektleder Taridzo Chomutare i Nasjonalt senter for e-helseforskning.

Forskerne kan gå fra idé til resultat raskere når de slipper å samle alle data på ett sted.

Juridiske hindringer

– Å oppfylle både nasjonale og internasjonale lover er krevende, sier Chomutare.

Forskerne samarbeider tett med jurister og tilsynsmyndigheter for å finne gode løsninger. Personvern står alltid i fokus.

Teknologien fungerer, men regelverket er komplisert. Europa mangler felles lover for såkalt sekundærbruk av helsedata. Hvert land har egne rutiner og krav. 

At det nordisk-baltiske nettverket i det hele tatt kan fungere, er et lovende tegn for at man kan finne veier rundt byråkratiske hindringer på helseteknologiens område.

Klar for fremtiden

Håpet er å utvide FL til flere land. Også utenfor Norden og Baltikum. 

Lykkes dette, kan store mengder data brukes på en trygg og effektiv måte. 

Slik kan forskningen gå raskere fremover.

Noen mulige fordeler:

• Tidlig diagnose: KI-modeller kan fange opp sykdomstegn raskt.
• Persontilpasset medisin: Store datamengder gir mer presis behandling.
• Internasjonalt samarbeid: Metodene kan overføres til nye områder.

Grenseløst samarbeidsprosjekt

Prosjektet viser at fagfolk fra flere felt kan jobbe sammen. Teknologi, leger og jurister må balansere trygghet og effektivitet. 

Selv om de støter på tekniske og juridiske hindre, er resultatene så langt lovende. 

FL kan endre alt fra forebygging til avansert behandling. Samtidig blir personvern ivaretatt. 

Dersom det nordisk-baltiske samarbeidet fortsetter å vokse, kan vi se et nytt forskningsparadigme. 

Det betyr bedre behandling for pasienter og store muligheter for forskere.

Referanse: 

Taridzo Chomutare, Aleksandar Babic mfl.: Implementing a Nordic-Baltic Federated Health Data Network: a case report. Computer Science, 2024. Sammendrag. Doi.org/10.48550/arXiv.2409.17865

Artikkelen er produsert og finansiert av Nasjonalt senter for e-helseforskning

Nasjonalt senter for e-helseforskning er én av over 80 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Du finner flere artikler fra Nasjonalt senter for e-helseforskning her.

forskning.no vil gjerne høre fra deg!
Har du en tilbakemelding, spørsmål, ros eller kritikk?
TA KONTAKT HER