Genereer Privacy-conforme Synthetische Data

Deel data voor onderzoek en analyses zonder de echte personen erin prijs te geven, met behoud van de statistische patronen waarop je analyse steunt. Voor interne analisten én ingehuurde consultants en externe analisten, bij werk dat loopt van onderzoek naar ziektes en medicatie tot energieprognoses en data-uitwisseling tussen overheidsinstanties.

Toonaangevende organisaties vertrouwen op BlueGen voor onderzoek en het delen van data

Waarom de gebruikelijke manieren van data delen onderzoek tegenhouden

Persoonsgegevens kun je niet zomaar doorgeven

Onderzoeksdata beschrijft vaak echte mensen in privacygevoelig detail. Die data delen met een collega of een externe analist is nooit zonder risico.

Anonimiseren beschadigt de data of laat een risico achter

Traditionele anonimisering dwingt je tot een keuze. Haal genoeg detail weg om mensen te beschermen, en de analyse verliest wat ze nodig heeft. Houd meer detail over, en individuen zijn nog steeds te herleiden.

De echte data hoort te blijven waar ze is

Soms kan of mag echte data de bron niet verlaten, of het nu gaat om de grens over, naar een externe partij of binnen je eigen organisatie. Dataminimalisatie betekent dat echte records alleen worden verplaatst als dat strikt noodzakelijk is.

Wat gedeelde onderzoeksdata nodig heeft, en hoe BlueGen dat levert

Wat je onderzoek nodig heeft

Geen weg terug naar individuen

Wie er ook met de data werkt, een collega of een ingehuurde consultant, mag geen enkel record kunnen herleiden tot een echt persoon, ook niet als het onderzoek om veel detail vraagt.

Hoe BlueGen het levert

Generatie gestuurd door je onderzoeksvraag

Je onderzoeksvraag bepaalt de configuratie van het generatieproces. De delen van de data waar die vraag op steunt, behouden de hoogste kwaliteit, en minder verwante delen worden iets losser gelaten, zodat de privacy volledig beschermd blijft. Het resultaat kan in principe ook verder worden gedeeld.

Wat je onderzoek nodig heeft

Kwaliteit dicht bij de echte data

Onderzoek staat of valt met kwaliteit. Statistische eigenschappen, patronen en trends moeten zo goed mogelijk overeenkomen met de echte data, ook in hoe meerdere variabelen zich tot elkaar verhouden.

Hoe BlueGen het levert

Contextbewuste synthetische data

BlueGen genereert synthetische data die contextbewust en representatief is, zodat de verbanden tussen kolommen behouden blijven, samen met de eigen verdeling van elke kolom. Zet meerdere kolommen tegen elkaar uit voor de echte en de synthetische data, en je ziet hoe nauw de patronen overeenkomen.

Wat je onderzoek nodig heeft

Bewijs waarop je kunt bouwen

Voordat een bevinding uit synthetische data in je onderzoek terechtkomt, wil je bewijs dat de synthetische data geschikt is voor die specifieke vraag.

Hoe BlueGen het levert

Evaluaties rond onderzoeksvragen

Het evaluatierapport van BlueGen put uit een bibliotheek met evaluaties voor onderzoeksvragen die vaak terugkomen. Zet bijvoorbeeld overlevingsanalyse aan, en het rapport levert direct de Kaplan-Meier-curve en de hazard ratio-tabel. Waar nodig kan een hypothese of model dat op de synthetische data is ontwikkeld, achteraf altijd op de echte data worden toegepast.

500 synthetische IC-patiënten, vrijwel dezelfde resultaten als met de echte data

Strikte privacyregels hielden de IC-gegevens van de TU Eindhoven binnen myDRE, de beveiligde onderzoeksomgeving van de universiteit, en daarmee buiten bereik van studenten die werkten aan het voorspellen van acute nierschade (AKI). BlueGen trainde binnen myDRE, zodat de echte records die omgeving nooit verlieten. Modellen getraind op 500 synthetische of op 500 echte patiënten werden getest op dezelfde 800 achtergehouden patiënten en presteerden vrijwel gelijk. Voor het onderzoek betekent dit dat studenten aan het voorspelprobleem kunnen werken met data die overeenkomt met het echte cohort, geen identificeerbaar individu bevat en samen met de studie kan worden gepubliceerd.

Ontdek wat synthetische data voor je onderzoek kan doen