Tilbake til søkeresultatene

NAERINGSPH-Nærings-phd

Synthetic data for clinical validation of Artificial Intelligence powered tools in healthcare

Alternativ tittel: Syntetiske data for klinisk validering av kunstig intelligens-drevne verktøy i helsesektoren

Tildelt: kr 1,9 mill.

Prosjektnummer:

333913

Prosjektperiode:

2022 - 2026

Midlene er mottatt fra:

Organisasjon:

Beslutningsstøtteverktøy drevet av kunstig intelligens har potensialet til å hjelpe oss å bedre kunne lære av dataene vi daglig produserer i helsesektoren. Datadrevet beslutningsstøtte krever store datasett til trening av algoritmer og testing av modeller, samt for å verifisere at verktøyene fungerer som forventet. Helsedata er tidkrevende å samle og få tilgang til, derfor ser mange på syntetisk genererte data som en potensiell vei videre. Vi kaller det augmenterte syntetiske data når nye data genereres basert på eksisterende data, for å lage et større datasett eller fullføre et datasett med manglende parametere. Syntetiske data har vist seg å være nyttige for trening og testing av algoritmer og for å verifisere ytelse i laboratoriet. Mange ser det som en praktisk måte å beskytte pasientens personvern på, men noen stiller spørsmål ved om personvernet er tilstrekkelig beskyttet. Kan syntetisk augmenterte datasett også gi informasjonsverdi til regulatoriske beslutninger til autorisasjoner og overvåking av produkter, som et alternativ eller i tillegg til klinisk validering? I dette forskningsprosjektet er hovedmålet å undersøke hvordan syntetiske data kan brukes til validering av AI-drevne verktøy før klinisk implementering og regulatoriske beslutninger. Prosjektet vil undersøke potensiell bruk av syntetiske data for validering av AI-verktøy, med fokus på en rekke spørsmål: • Hva er de viktigste risikoene og fordelene som må vurderes for å sikre AI-verktøy for helsetjenester? • Hva er de juridiske implikasjonene av å bruke utvidede syntetiske data? • Hvordan kan syntetiske data brukes til klinisk validering uten å øke risikoen for pasientskade? Det er definert tre prosjekter for å undersøke svar på disse spørsmålene: «Kvalitetssikring ved opptak av kunstig intelligens i helsevesenet», «Juridiske implikasjoner av bruk av augmenterte syntetiske data» og «Syntetiske data for å sikre pålitelige AI-verktøy».

The vision of the national lighthouse project BigMed (2017-2021) was to address barriers to the clinical implementation of Precision medicine and to lay the foundation of Big Data analytics in the clinic. The project identified access to health data as the major barrier to clinical implementation. Among the needs identified were ways to ensures trust in new technology like AI powered tools while increasing the speed of implementation of new technology. In this PhD research project, the main objective is to examine how synthetic data could be used for validation of AI powered tools prior to clinical implementation and regulatory decision-making. The project will investigate the potential use of synthetic data for validation of AI tools for clinical implementation, focusing on a series of questions: - What are the main risks and benefits that must be considered for assurance of AI tools for healthcare? - What are the legal implications of using augmented synthetic data? - How could synthetic data be used for clinical validation without increasing risk of patient harm? The PhD is divided into three parts. The first part will identify the gaps between existing regulations and risk ares in assurance of AI adoption in healthcare. The second will investigate legal implications of synthetic data and whether it can be used freely or has privacy risks. The third will investigate properties of synthetic datasets to see in what cases a synthetic dataset could outperform real world data and create a framework for evaluating whether a synthetically augmented dataset can be fit for validation.

Budsjettformål:

NAERINGSPH-Nærings-phd