Sök

Informationsdriven vård – federerad inlärning och syntetisk datagenerering

Projektet har för avsikt att bygga en skalbar federerad struktur som möjliggör informationsdriven vård. Detta görs genom att använda hälsodata från tre regioner i etapp 1: Region Halland, Region Örebro län och Region Kronoberg. För etapp 2 avser projektet att skala upp och inkludera fler regioner, patientgrupper och datakällor i en nationell systemdemonstrator för att förbättra och optimera svensk sjukvård.

En åldrande befolkning, ökningen av kroniska sjukdomar och otillräcklig tillgång till vårdpersonal kräver att regionerna förbättrar vårdens kvalitet utan att kostnaderna ökar. En del av lösningen är att bättre utnyttja hälsodata för att arbeta mer faktabaserat med informationsdriven vård. Informationsdriven vård är ett koncept där slutsatser dras från hälsodata för att få en helhetsbild av vården – från individ- till systemperspektiv. Informationen kan användas för tidig upptäckt av sjukdomar, för att identifiera riskgrupper eller risker hos individer och genomföra förebyggande åtgärder med hög precision. Ledningen i regionerna kan spara resurser utan att kompromissa med kvaliteten på vården för patienterna, genom att styra resurserna dit de gör mest nytta.

Projektet tillämpar och skalar upp:

  • AI-modellering för ökad precision och tidigt agerande
  • Federerad inlärning för samanvändning av känslig data
  • Syntetisk datagenerering för analyser utan risk för integritetsskydd
  • Patientmöteskostnad för resursbeskrivning av vårdkedjor
  • Vårdkedjors klimatavtryck

Projektet startar med etapp 1 hösten 2022. Etapp 2 beräknas starta 2023 och innebär ytterligare skalning nationellt och internationellt för att omfatta fler intressenter, datakällor och analys av ytterligare patientgrupper samt fördjupad forskning och utveckling av tekniken.

Projektets tre övergripande mål under etapp 1:

  1. Att skapa en skalbar struktur för federerad inlärning genom att dela hälsodata från tre regioner: Region Halland, Region Örebro län och Region Kronoberg. Projektet kommer att analysera data på befolkningsnivå från alla tre regionerna och som ett första steg utveckla AI-baserade prediktionsmodeller för två specifika patientgrupper – kronisk njursjukdom och hjärtsvikt.
  2. Att påbörja utvecklingen av så kallad syntetisk generering av hälsodata. Syntetisk data är artificiellt genererad information som inte bär några spår av personlig information. Syntetisk data som speglar verklig hälsodata gör att fler företag, organisationer och myndigheter kan använda data för utveckling av nya produkter och lösningar för hälso- och sjukvården.
  3. Att inleda dialoger, både mellan de inblandade regionerna och med nationella myndigheter och organisationer, för att möta de utmaningar och förändringar som den nya tekniken innebär.

Om projektet

Projektperiod, etapp 1

  • 1 augusti, 2022–31 december, 2022

Projektledare

Andra deltagare från Högskolan i Halmstad

Samverkanspartner

  • Region Halland
  • Region Örebro län
  • Region Kronoberg
  • Örebro universitet
  • AI Sweden
  • Hallandia V
  • AstraZeneca

Finansiärer

  • Vinnova

uppdaterad

Kontakt

Dela

Kontakt