Четвертый саммит по цифровому здравоохранению, проходивший в виртуальном формате 4 и 5 октября 2022 года, стал площадкой для участия компании BRAINTEASER в двух важных панельных дискуссиях: «Как максимально эффективно использовать данные о здоровье для инноваций и восстановления?» и «Данные о здоровье для более умных, устойчивых и экологически безопасных городов».

В этом году на Саммите было зарегистрировано почти 1000 участников и зафиксировано более 400 активных взаимодействий в течение двух дней мероприятия. Тема «Данные и цифровые услуги для поддержки восстановления систем здравоохранения по всему миру» является одной из трех тем Global Health Connector Флагманские мероприятия партнерства в 2022 году пройдут в США (Бостон, Лас-Вегас и Вашингтон), Индии (Нью-Дели), Африке (Кения), Испании (Барселона) и Швейцарии.

4 октября Барбара Ди Камилло, профессор компьютерных наук кафедры информационной инженерии Падуанского университета (ИТ) и научный руководитель BRAINTESER, приняла активное участие в сессии, посвященной важности данных о здоровье. В ходе панельной дискуссии обсуждались доказательства того, что актуальные и качественные данные о здоровье являются ключевым активом для формирования политики здравоохранения и предоставления гражданам эффективных инструментов и лекарств, способствующих их благополучию. Однако для доступа к ним, их использования и повторного использования необходимо преодолеть ряд трудностей.

Основываясь на своем предыдущем опыте, приобретенных знаниях и работе в BRAINTEASER, Барбара поделилась с докладчиками и аудиторией Саммита следующими размышлениями:
Многие приложения искусственного интеллекта (ИИ), и в частности приложения машинного обучения, основаны на данных, то есть они обучаются на данных, и, как правило, чем больше данных, тем лучше они обучаются и точнее прогнозируют. Что ещё важнее, для практического применения приложения ИИ должны обладать способностью к обобщению, хорошо работать с различными группами населения или даже с недостаточно представленными категориями, чтобы избежать так называемой предвзятости ИИ. Решения BRAINTEASER обучаются на данных.
собранных в больницах. Поэтому, по сравнению с данными испытаний, они гораздо более репрезентативны для реальной популяции. С другой стороны, поскольку, например, боковой амиотрофический склероз (БАС) — редкое заболевание, обмен данными важен для обеспечения устойчивых и эффективных решений. В BRAINTEASER мы создаём
Мы используем общедоступные данные и предоставляем (полностью анонимные) данные в рамках организации, где один или несколько наборов данных используются совместно, а научное сообщество призвано сначала конкурировать, а затем сотрудничать для решения конкретной проблемы. Эти инициативы, помимо обмена данными, также предлагают обмен решениями.
программное обеспечение и результаты, а также создание сообщества вокруг проблемы.

Конечно, анонимизация данных представляет собой проблему. С технической точки зрения существуют различные рекомендации, позволяющие предотвратить идентификацию субъекта, а также ряд алгоритмов, которые определяют, сколько шума нужно добавить к данным, чтобы гарантировать анонимность. Однако при объединении различных наборов данных иногда требуется добавление дополнительного шума. Например, данные геолокации. Даже если субъект анонимен, знание того, где он/она проводит большую часть времени, может помочь определить, кто он/она. Существуют решения и для этого аспекта, поскольку мы можем соотносить геоданные с виртуальными, а не реальными местами (этот подход также используется в BRAINTEASER), но в таких случаях необходимо уделять особое внимание обеспечению полной анонимности.
Существуют и другие трудности административного характера. В настоящее время во многих учреждениях ответственность за обеспечение полной анонимности ложится на одного человека, и это создаёт ситуацию, когда учреждения проявляют осторожность в отношении обмена данными. Я считаю, что нам, как гражданскому обществу, необходимо также учитывать расходы.
неиспользования данных. Нам нужны новые политики, которые разъяснят, как происходит процесс анонимизации данных, и разделят ответственность между различными этапами, за которые отвечают разные люди».

Во второй день саммита Арианна Даглиати, доктор философии, доцент Университета Павии (Италия), приняла участие в обсуждении того, как данные о состоянии здоровья могут быть использованы европейскими городами для развития своей аналитики.
и стойкость.

Арианна, которая в настоящее время принимает активное участие в деятельности BRAINTEASER по определению и внедрению алгоритмов для извлечения закономерностей из различных данных, включая данные об окружающей среде, представила опыт Павии и ее инфраструктуру для отслеживания воздействия загрязняющих веществ на человека.
В своей презентации Арианна уделила особое внимание использованию этой технологии в рамках двух проектов ЕС PULSE и BRAINTESER: «Технологическая структура, подобная той, что реализована в Павии, способствует переходу к совместной системе и вовлечению граждан, где участниками могут быть как (i) граждане, которые участвуют в процессе, отслеживая свою деятельность и собирая данные о своем воздействии с более высокой степенью детализации, так и заинтересованные стороны в сфере общественного здравоохранения, которые располагают данными об общем состоянии здоровья населения и могут использовать данные, полученные в рамках этой структуры, для оценки состояния населения и динамики конкретных рисков для здоровья.
 BRAINTEASER стремится использовать данные о здоровье, образе жизни и окружающей среде для поддержки пациентов с боковым амиотрофическим склерозом и рассеянным склерозом, используя эту платформу и расширяя её. Используя платформу Pavia (т.е. экономичную точную сетку датчиков в сочетании с клиническими данными), BRAINTEASER может разрабатывать модели ИИ для изучения влияния факторов окружающей среды и индивидуальных профилей воздействия на течение заболеваний.
достичь одной из главных целей проекта: предвидеть и контролировать воздействие факторов риска, способствующих осложнениям нейродегенеративных заболеваний и неблагоприятному прогнозу.

Как и любая другая «хорошая» модель, фреймворк, подобный фреймворку Pavia, должен быть легко экспортирован и повторно внедрен в других контекстах. Фреймворк Pavia для сбора данных о персональном воздействии был реализован в городах, участвующих в пилотном проекте BRAINTEASER, и для различных групп исследований: (i) стратегии сбора данных могут быть адаптированы в соответствии с различными особенностями городов (размерами, морфологией города и т.д.) и местными инициативами по сбору данных об окружающей среде; (ii) исследования риска для здоровья могут выиграть от возможности настройки различных параметров в соответствии с характеристиками подгрупп населения и уровнями инвалидности, например, включая использование портативных устройств и/или
датчики в помещении».