Tilbake til søkeresultatene

FRINATEK-Fri prosj.st. mat.,naturv.,tek

Responsible Explainable Machine Learning for Sleep-related Respiratory Disorders (Respire)

Alternativ tittel: Ansvarlig forklarlig maskinlæring for søvn-relaterte luftveislidelser (Respire)

Tildelt: kr 12,5 mill.

Enheter, som smartklokker, som kan samle helsedata fra "alle" hele tiden, og maskinlæring (ML) for å analysere disse dataene vil ha stor innvirkning på fremtidige helseløsninger. De kan muliggjøre lavkost screening i stor skala og langsiktig overvåking av individer for automatisk å oppdage endringer i deres helsestatus, for tidlig oppdagelse av udiagnostiserte sykdommer og for å tilpasse behandling av pasienter. Hvis det brukes uten refleksjon, er det også betydelige utfordringer, som (1) beskyttelse og kontroll av bruk av innsamlede data, (2) falske alarmer, helseangst, overdiagnostisering, påfølgende overbehandling og medikalisering, (3) pålitelighet, relevans og gyldighet av dataanalyseresultater, og (4) manglende evne til å forklare resultater oppnådd med moderne ML. Dette undergraver grunnleggende etiske prinsipper og juridiske rettigheter og kan hemme fruktbar bruk av ML i helsesektoren. Disse utfordringene og mulighetene vil bli adressert av forskere fra informatikk, medisin, juss og etikk. Medisinsk fokus vil være på søvnrelaterte luftveislidelser, spesielt for spedbarn med luftveishindringer i øvre luftveier og pasienter som får via maske langvarig nattlig mekanisk støtte av ventilasjon. Kjernen i Respire vil være et rammeverk for å definere hva som er gode forklaringer for ulike brukere (f.eks. helsepersonell, pasienter og ML-utviklere), og hvordan deres kvalitet kan evalueres. Som grunnarbeid vil vi undersøke: (1) bruken av overvåkingsdata fra mekaniske ventilatorer og ML for å forbedre og tilpasse behandlingen av pasienter, (2) forbrukerelektronikk for søvnovervåking av spedbarn hjemme og ML for å analysere overvåkingsdataene, (3) større juridiske og etiske bekymringer, med fokus på etiske prinsipper om autonomi og personvern, EUs databeskyttelseslovgivning og helselovgivning, og (4) forholdet mellom å oppdage og definere enheter som indikatorer, indekser, diagnoser og sykdommer; potensielle utfordringer forårsaket av falske alarmer.

To achieve the project objectives, Respire follows with an interdisciplinary research team (medicine, ethics, law, computer science) a participatory research approach that involves all stakeholders (patients, medical personnel and researchers, ML developers and researchers, and policy makers). The sleep-related breathing disorders to be investigated include pediatric patients with laryngomalacia and patients that receive long-term treatment with non-invasive respiratory support devices. To gain new insights in laryngomalacia, xML solutions will be developed to (1) explore and analyze existing electronic health records and (2) detect respiratory events in sleep-monitoring data. To enable patient-friendly sleep monitoring at home we will tailor and evaluate existing sensing technology for pediatric patients. The xML model for analysis of data from non-invasive respiratory devices will be based on data generated by a physical lung simulator and tests with ventilation devices. To systematically develop good xML solutions we will establish an explainability framework that comprises (1) the basic definitions and requirements for explanations, (2) identifies the type, level, and presentation form of explanations for the different stakeholders, and (3) an assessment framework for the evaluation of explainability. We will perform an interdisciplinary use case study with the target audience and an epistemological analysis of uncertainty and validation to lay the foundation for the explainability framework. Further legal and ethical studies (including legal dogmatic analysis "de lege lata" and legal analysis "de lege ferenda") shall enable the project to publish articles that identify and relate the risk and opportunities of mHealth and to make guidelines and best practices for future monitoring and xML solutions in medicine. The qualitative evaluation of our xML solutions will involve all stakeholders.

Budsjettformål:

FRINATEK-Fri prosj.st. mat.,naturv.,tek