Skip to content Skip to footer
Søk

Loading Results

Datadeling kan redde oss fra neste pandemi

28/04/20

Kvinne som ser på kart over koronatilfeller i verden på en datamaskin.

– Å dele data er like viktig som å gi blod, mener direktør for kunstig intelligens i PwC, Lars Erlend Leganger.

Det er spesielt fire ting kunstig intelligens kan brukes til under en pandemi:

1. Oppdage smitten raskt

For det første kan kunstig intelligens ved datadeling hjelpe oss å oppdage smitte raskere. Og dermed forhindre neste pandemi.

2. Forstå effekten av f.eks. stengte skoler

Hva er effekten av å stenge ned skolene? Har det effekt å stenge alle frisører? Datadeling kan hjelpe oss å forstå effektene av ulike tiltak, og gjøre det som betyr mest.

3. Forske på hvordan epidemien sprer seg

Kunstig intelligens kan bidra til grunnforskning på epidemispredning. Hvordan smitter det, og hvordan beveger det seg?

4. Utvikle vaksiner og nye behandlingsmetoder

Har man stor tilgang til oppdaterte helsedata kan vi raskere og billigere finne nye behandlingsmetoder, medisiner og vaksiner - som er bedre tilpasset den enkeltes biologi, helsetilstand og preferanser.

Lars Leganger

– Ikke alle ønsker å dele sine data, men la det være et valg vi kan ta selv. Jeg mener gevinsten er større enn risikoen ved å dele data. Slik kan vi redde liv og unngå neste pandemi, mener direktør for kunstig intelligens i PwC, Lars Erlend Leganger. Foto: Sofi Lundin

Derfor deler vi ikke helsedata. Men gevinsten er større enn risikoen, mener Lars

I 2014 publiserte van Panhuis et al. en oversikt over alle hindre for datadeling innen offentlig helse. De fleste hindrene er  «ikke-tekniske» som etikk, juss, tillit og motivasjon.Lovendringer må vedtas, vanskelige etiske spørsmål må tas stilling til, og teknisk infrastruktur må bygges. Når skal datadeling kreve aktiv handling, som smitte-mistanke-skjemaet? Når skal deling være normalen man eventuelt må velge vekk, som barnesykdom-vaksiner? Og bør vi i enkelte tilfeller fjerne valget helt og gjøre datadeling påbudt?, spør Leganger.

– Vi skal ta på alvor faren for at overvåkningssystemer bygget for epidemiforsvar også kan misbrukes til andre ting, men jeg mener det er en risiko det er verdt å ta. Alternativet er at folkehelse og økonomi må ta hele støyten alene, sier Lars. 

Han mener den nye FHI-appen bør beskyttes godt og ha strenge rutiner siden store datamengder skal lagres. Så man unngår at dataene havner i feil hender.

Med kunstig intelligens kan vi finne ut hvilke tiltak som funker

Korona-smitte er et eksempel på en «binær» tilstand – enten er du smittet, eller så er du det ikke. Innen maskinlæring og kunstig intelligens har vi lang erfaring med å bygge prediksjonsmodeller for slike binære situasjoner – basert på bevegelser og andre personopplysninger – og til mindre edle formål enn å redde liv: Kommer du til å klikke på annonsen og kjøpe varen? Er kredittkortet du vil betale med stjålet? Kommer du til å få betalingstrøbbel hvis du får handle på kreditt?

Med nøyaktig samme metoder kan vi bygge modeller som estimerer sannsynligheten for at du blir Korona-smittet. Dette kan også de som ikke deler sine egne data nyte godt av: Ved å distribuere forskernes prediksjonsmodeller f.eks. i nye versjoner av Smittestopp kan en få situasjonstilpassede risikoreduserende råd når modellene predikerer økt smitterisiko.

De med høy predikert smitterisiko kan bli prioritert for testing, og de med lav predikert risiko kan slippe karantener de ellers måtte gjennom. Dette vil bidra til å gjøre tiltak som isolering og karantene mer effektive, slik at vi i mindre grad trenger de store befolkningsrettede kontaktreduserende tiltakene som rammer hele samfunnet blindt og hardt.

Alexander Grey, partner i PwC

– I undersøkelsen vi gjorde sammen med E-helse svarte 95 % av Norges befolkning at de var villige til å gi fra seg personlige data til medisinsk forskning, forteller rådgiver Alexander Gray som jobber med direktoratet for e-helse.

Data som redder liv

For å bygge slike prediksjonsmodeller trengs data. Mye data. Data om de som blir smittet, og om de som ikke blir smittet. Om hvor vi beveger oss, om hvordan vi blir smittet, og gjerne mer. Best modeller får vi hvis vi kan samle og kombinere data over lengre tidsperioder enn de 30 dagene Smittestopp nå lagrer dataene før de anonymiseres. I Helsedataprogrammets innbyggerundersøkelse mai 2019 svarte 95 prosent at de syntes det var greit at deres helseopplysninger kunne brukes til forskning, og for 46 prosent gjaldt dette også ikke-anonymiserte opplysninger som kunne knyttes til dem som enkeltindivider. På samme måte som blodgivere vil slike «data-givere» være med på å redde liv.

Ikke alle kan eller vil gi blod, og ikke alle kan eller vil dele data til forskning.

– Så ja, lag gjerne et desentralisert minimumsalternativ, der de som ønsker det kan delta på smittesporing uten å dele data til forskning. Men gi oss også et «maksimum»-alternativ, for de av oss som vil og kan dele enda mer av dataene våre. Der vi kan dele mer data over lengre tid som kan brukes til å bygge prediktive modeller som kommer hele samfunnet til gode, sier Leganger. 

Kontakt oss

Lars Erlend  Leganger

Lars Erlend Leganger

Direktør | AI ekspert, PwC Norway

Tlf: 997 12 762

Alexander Edward Gray

Alexander Edward Gray

Partner | Business technology, PwC Norway

Tlf: 982 64 273