KI-systemer er avhengig av data, og kvaliteten på dataene er avgjørende for kvaliteten på anbefalingene fra et KI-system. Alle data som produseres i helsetjenesten, både strukturerte og ustrukturerte data, kan i prinsippet være nyttige å bruke til KI. Tabellen under viser eksempler på typiske helsedata og bruksområder for KI.
| - | Data | Mulige bruksområder for KI |
|---|---|---|
| 1. | Registerdata (helseregistre, medisinske kvalitetsregistre, biobanker, helseundersøkelser, mm.) | Beslutningstøtte for å vurdere utfall av ryggkirurgi, data fra Nasjonalt kvalitetsregister for ryggkirurgi (NKR) |
| 2. | Medisinske bilder m/tilknyttet informasjon (røntgen, MR, digital patologi, foto, video, ultralyd, mm.) | Effektivisere mammografiscreening, bildedata lokalt på brystsentrene, og screeningopplysningene i Kreftregisterets databaser. |
| 3. | Data fra medisinsk utstyr i helsetjenesten og hos pasienten | Overvåke hjerterytme, data fra elektrokardiogram (EKG) |
| 4. | Egenrapporterte data (PROM og PREM) | Persontilpasset samvalgsløsning for pasienter med kroniske smerter, data fra PROM (f.eks. smerteintensitet) på sikt PREM og automatisert innsamlet aktivtetsdata fra smartklokker |
| 5. | Gendata/omikkdata | Beslutningsstøtte for å persontilpasse medisinske doser, data fra pasientjournal som gendata og blodprøvesvar fra pasienter som har brukt antidepressiva |
| 6. | Lab-data | Risikokalkulator som predikerer risiko for diabetisk retinopati, data om kolesterol, blodtrykk, gradering av bilder |
| 7. | Legemidler | Overvåking av bivirkninger, data fra bl.a. bivirkningsjournal |
| 8. | Kurve (innlagte pasienter) | Risiko for sepsis, data fra strukturerte data (som målinger av blodtrykk, hjerterytme, oksygenmetning, kroppstemperatur m.m.) og pasientjournalnotater |
| 9. | Pasientadministrative systemer | Bemanningsplanlegging, turnushistoriske data om arbeidsmengder og data om kompetanse, lønn og værdata |
| 10. | Journalnotater (ustrukturerte) | Oppdage risiko for allergier, ved å analyse av naturlig språk (NPL) på pasientjournalnotater |
Varierende kvalitet og vanskelig tilgjengelig
Det nasjonale koordineringsprosjektet for kunstig intelligens har avdekket flere utfordringer knyttet til tilgang til data:
- Det er varierende datakvalitet
- Mange prosesser er manuelle, noe som er ressurs- og tidkrevende
- Behov for mer kompetanse
- Vanskelig å sammenstille data fra flere kilder
- Manglende standardisering
- Manglende oversikt over helsedata
Dette er mer utførlig beskrevet i rapporten Behov for data til kunstig intelligens i helsetjenesten (ehelse.no)
Ressurser og arbeid med å forbedre kvalitet og tilgjengeliggjøring av helsedata
Helsedataservice og helsedata.no
Helsedataservice er en nasjonal tjeneste for tilgjengeliggjøring av helsedata fra norske helseregistre til bruk i statistikk, helseanalyser, forskning, kvalitetsforbedring, planlegging, styring og beredskap. Helsedataservice tar imot og behandler søknader, og omsøkte helseopplysninger tilrettelegges og tilgjengeliggjøres fra registerforvalterne. Felles nasjonalt søknadsskjema, variabelutforsker, metadatakataloger og veiledningstjenester er tilgjengelige gjennom helsedata.no.
Helsedataservice og helsedata.no er en del av Direktoratet for e-helse.
Befolkningsundersøkelser
Det er mulig å søke om data fra befolkningsundersøkelser som Tromsøundersøkelsen (uit.no) og HUNT - Helseundersøkelsen i Nord-Trøndelag (ntnu.no)
Data fra primærhelsetjenesten
PraksisNett (uib.no) er en infrastruktur som legger til rette for at forskere skal kunne gjennomføre kliniske studier i norsk allmennpraksis.
Standardisering av e-helse for helse- og omsorgssektoren
Direktoratet for e-helse har ansvar for normering av e-helsestandarder og forvaltning av Referansekatalogen for e-helse (ehelse.no) som gir oversikt over obligatoriske og anbefalte standarder. Samarbeidsmodell for internasjonale standarder (ehelse.no) beskriver roller og ansvar for arbeidet med å tilpasse og forvalte internasjonale standarder i Norge. Standardiseringsutvalget for internasjonale e-helsestandarder (ehelse.no) skal styrke norske aktørers mulighet til å påvirke utvikling og bruk av internasjonale standarder.
Det er en satsning på Felles språk (ehelse.no) som legger til rette for semantisk samhandlingsevne i helse- og omsorgssektoren, som vil legge til rette for bedre datakvalitet.
Infrastrukturer for utvikling, validering og bruk av KI
Det finnes allerede flere infrastrukturer i Norge kan brukes til forskning, utvikling og/eller validering av KI. Under har vi listet opp noen eksempler på infrastrukturer. Listen er ikke nødvendigvis uttømmende, og hvis dere savner noe kan dere sende e-post til kunstigintelligens@ehelse.no.
Universitet og høyskolesektoren tilbyr analyseinfrastrukturer der forskningsprosjekter kan få tilgang til sikre analyserom med stor lagrings- og regnekapasitet slik at de kan gjøre maskinlæring. Eksempler er Tjenester for Sensitive Data, TSD (uio.no), Hunt Cloud (ntnu.no),SAFE (uib.no) og Sigma2 (sigma2.no). I tillegg tilbys infrastrukturer som eX3 (simula.no) for ikke-sensitive data. Kunnskapssektorens datafelleskap (kunnskapsdata.no) skal sørge for tryggere, enklere og bedre deling av data og skal etablere en felles infrastruktur og metadatakatalog. Microdata fra Statistisk sentralbyrå (microdata.no) gir tilgang til store mengder detaljerte og koblingsbare mikrodata uten behov for søknad.
Kommersielle aktører har i ulik grad anledning til å benytte seg av infrastrukturene i universitets- og høgskolesektoren. Noen organisasjoner tilbyr rådgivning og infrastrukturer som er rettet mot kommersialisering, blant annet Norwegian Smart Care Lab (smartcarecluster.no). De tester og verifiserer produkter, prototyper og ideer i helsenæringen. Norsk helsekonsortium har som mål å støtte oppstartselskaper gjennom ulike stadier i en innovasjonsprosess og tilbyr bl.a. funksjonelle testfasiliteter og rådgivning knyttet til standarder og interoperabilitet. Nemonoor (nemonoor.no) er et nasjonalt senter for kunstig intelligens, også for helsesektoren. De tilbyr en plattform for testing før investering (nemonoor.no), der KI-løsninger skal kunne testes innenfor et sikkert system.
EU skal gjennom et løft av kompetanse og kapasitet, og skal utvikle digitale plattformer og løsninger. Digital Europa-programmet (digdir.no) har blant annet en egen satsing knyttet til sky, data og kunstig intelligens. Nordic Commons (nordforsk.no) har som formål å etablere en felles nordisk infrastruktur for deling av helsedata og bidra til europeisk utvikling, særlig med etableringen av et europeisk fellesområde for helsedata (EHDS).
Arbeidet med å etablere infrastrukturen er mer utførlig beskrevet i rapporten Tilgang til data til kunstig intelligens i helse- og omsorgstjenesten (ehelse.no).
Fremover
Utredningen Tilgang til data til kunstig intelligens i helse- og omsorgstjenesten (ehelse.no) viser at det er nødvendig å prioritere noen områder å arbeide videre med (men, som ikke nødvendigvis er besluttet):
- Etablere faggruppe for KI i Standardiseringsutvalget for internasjonale e-helsestandarder (ehelse.no)
- Etablere samarbeid med forsknings- og fagmiljøer om bl.a. kunnskapsgrunnlag på følgende områder
- Hensiktsmessige måter å innhente og registrere helsedata, herunder vurdering av mulighetene i naturlig språkprosessering
- Personvernbevarende teknologier, inkludert distribuert maskinlæring og syntetiske data
- Løpende maskinlæring
- Hvilke typer samarbeid og kontrakter egner seg for arbeid med KI-produkter og -tjenester
- Verdi og kommersielle rettigheter til KI-produkter som utvikles fra helsedata - bærekraftige forretningsmodeller
- Etablere målbilde for analysekapasitet for helsedata, inkludert KI
Ta kontakt med kunstigintelligens@ehelse.no dersom du ønsker å bidra i dette arbeidet.
Informasjonssidene om kunstig intelligens er et samarbeid mellom Helsedirektoratet, FHI, Direktoratet for e-helse, Statens legemiddelverk og Statens helsetilsyn.