Gezondheidszorg

Versnel medisch onderzoek, analyseer patiëntgegevens en elimineer privacyrisico’s

Kwaliteit van zorg.

Patiëntgegevens spelen een cruciale rol bij het verbeteren van zorg en volksgezondheid. Wanneer onderzoekers tijdig toegang hebben tot deze gegevens, ondersteunt dit de ontwikkeling van nieuwe behandelingen. Ze zijn hiermee in staat om beter beleid en betere behandelprotocollen te ontwikkelen. Ook biedt het hun meer mogelijkheden om beleid en behandelingen wetenschappelijk te evalueren.

De behoefte hieraan wordt steeds groter vanwege de opkomst van gepersonaliseerde gezondheidszorg. Dat vereist gegevensanalyse van patiënten op een gedetailleerder en individueler niveau.

Uitdagingen.

Toegang tot de meeste patiëntgegevens in de gezondheidszorg is echter onderhevig aan vele beperkingen. Dat beperkt de ontwikkeling, innovatie en efficiënte implementatie van nieuw onderzoek, nieuwe producten, diensten en systemen.

Het delen van echte patiëntgegevens is vanwege privacyregelgeving en ethische bezwaren haast onmogelijk. In de Verenigde Staten geldt bijvoorbeeld de Health Insurance Portability and Accountability Act (HIPAA) en in de Europese Unie de General Data Protection Regulation (GDPR).

... Patiëntgegevens spelen een cruciale rol bij het verbeteren van de gezondheidszorg en de volksgezondheid

... De toegang tot de meeste patiëntgegevens in de gezondheidszorg kent veel beperkingen

Use cases

Simulaties en voorspellingen

Betere beoordeling van beleidsopties

Voor simulatie- en voorspellingsonderzoek is een groot aantal datasets vereist. Alleen dan zijn gedragingen en resultaten precies te voorspellen. Real-world bronnen, bijvoorbeeld van statistische bureaus, zijn voor de meeste onderzoekers vaak niet toegankelijk. Op basis van echte datasets zijn echter synthetische gegevens aan te maken. Deze kunnen worden gebruikt als vervanging, of aanvulling, op echte gegevens. Onderzoekers kunnen de omvang van steekproeven uitbreiden en variabelen toevoegen, als die niet aanwezig zijn in de oorspronkelijke set. Zo is het effect van beleidsopties beter te beoordelen.

Klinisch onderzoek

Innovatie en onderzoek voor farmaceutische bedrijven

Klinische onderzoeken kunnen lang duren en extreem kostbaar zijn. Er is veel tijd nodig om gegevens te verwerken en te testen. Voor de ontwikkeling van nieuwe medicijnen moeten veel patiëntgegevens verzameld worden om de impact van deze geneesmiddelen te meten. Deze informatie is ook nodig voor de prijsstelling, en om deze te rechtvaardigen. Echte data hierover is vaak geclusterd en niet toereikend. Dat maakt het noodzakelijk om gegevens te combineren, wat vaak niet mogelijk is. Synthetische data biedt hier uitkomst.

Algoritmen, hypothesen en methoden

Verhoog de efficiëntie en accuraatheid van het model

Onderzoekers analyseren variabelen, beoordelen de haalbaarheid van datasets en testen hypothesen. Het gebruik van synthetische gegevens biedt een ander validatieniveau. Dat kan een gunstig effect hebben op technieken en testmethoden voor algoritmen die gebruikt worden voor machine learning. Door synthetische gegevens, openbare bestanden en echte gegevens te combineren, is de robuustheid, efficiëntie en nauwkeurigheid van een algoritme te verifiëren.

Onderzoek naar epidemiologie en volksgezondheid

Testsets voor verbetering algoritmen

Datasets voor onderzoek naar epidemiologie en volksgezondheid zijn vaak beperkt in omvang. Dit leidt tot zorgen over de kwaliteitseisen, rapportageprocedures en privacy. Vanwege hun eigendomsrecht is deze data ook kostenintensief. Met gesynthetiseerde datasets zijn gegevens eerder beschikbaar. Deze ondersteunen onderzoekers bij realtime computationele epidemiologie en gevoeligheidsanalyses. Ook maken ze het mogelijk om uitgebreidere test-sets te bouwen om algoritmen voor ziektedetectie te verbeteren.

Elektronisch Patiëntendossier (EPD)-systemen testen en demonstreren

Snellere ontwikkelingscyclus, besparing op kosten, tijd en arbeid

Software testen is kostbaar en arbeidsintensief. Het vergt tussen de 30 en 40 procent van de ontwikkelingslevenscyclus. Patiëntgegevens worden soms gebruikt om de testen uit te kunnen voeren, met alle risico’s van dien. Met synthetische data beschikken ze alsnog over een privacyveilige en toch realistische dataset. Het versnelt de ontwikkeling van de operationele levenscyclus, terwijl er bespaard wordt op kosten, tijd en arbeid.

Vrijgave van datasets

Behoud analytische waarde voor open onderzoek

Gezondheidsdatasets die voor openbaar gebruik zijn vrijgegeven, dienen hun waarde voor analyse te behouden. De vertrouwelijkheid van de records moet daarbij gewaarborgd zijn. Tijdens het de-identificeren van microdata, blijft de kans op her-identificatie echter bestaan. Het vrijgeven van gedeeltelijk gesynthetiseerde data beperkt de risico's van openbaarmaking, terwijl de gegevens geldige interferenties hebben.