De impact van kanker reduceren door slim en veilig data combineren
TNO en Integraal Kankercentrum Nederland (IKNL) slaan de handen ineen en gaan samenwerken op het gebied van innovatieve AI-oplossingen voor de zorg. Daarmee komen nieuwe, betere manieren beschikbaar om uit steeds grotere hoeveelheden data inzichten te genereren die helpen om de impact van kanker te reduceren. De samenwerking werd beklonken tijdens een gezamenlijke sessie.
1-11-2019 | PERSBERICHT
AI in gezondheidszorg
Binnen de gezondheidszorg is kunstmatige intelligentie (AI) sterk in opkomst. TNO en IKNL zien dat AI ongekende mogelijkheden biedt naarmate er in de zorg steeds meer multimodale, maar ook internationale data beschikbaar is. Beide organisaties zetten zich er voor in dat AI op een verantwoorde manier ingezet wordt.
“AI maakt het mogelijk de behandeling voor kankerpatiënten verregaand te personaliseren en te optimaliseren. Hiervoor wordt data gebruikt van verschillende ziekenhuizen en organisaties. Zo verhogen we de kansen op genezing en het voorkómen van ziekte. Het zijn dat soort resultaten die ons motiveren om vol in te zetten op AI in de zorg”, aldus Berry Vetjens, directeur markt bij TNO Informatie en Communicatietechnologie.
Krachten bundelen
IKNL is een onafhankelijk kennisinstituut voor de oncologische en palliatieve zorg, en heeft als missie de impact van kanker te reduceren. Dat doet IKNL op basis van inzichten uit de Nederlandse Kanker Registratie (NKR). De NKR bevat gegevens over ziekte, zorg en uitkomsten waarmee het ziektebeloop van alle patiënten met kanker in Nederland in kaart wordt gebracht.
TNO is een onafhankelijke onderzoeksorganisatie die mensen en kennis verbindt om innovaties te creëren die het welzijn van de samenleving duurzaam versterken. TNO beschikt over diepe kennis om data te combineren en te analyseren zonder dat persoonlijke gegevens worden geopenbaard en gedeeld hoeven worden. Een van de technologieën die daarvoor worden ingezet is Secure Multiparty Computation (MPC)*.
IKNL kwam onlangs als eerste met een open source oplossing voor de Personal Health Train (PHT*). Door die oplossing te combineren met de MPC van TNO ontstaat er een nog rijker repertoire aan mogelijkheden om data veilig te combineren voor de ontwikkeling van AI.
Verantwoord gebruik van patiëntgegevens voor AI
De geavanceerde privacy-vriendelijke data- en AI-oplossingen van TNO zijn nodig om verantwoord en duurzaam gebruik te kunnen maken van een toenemend aantal verspreide bronnen met patiëntvertrouwelijke gegevens zoals de NKR. Door de handen ineen te slaan leggen TNO en IKNL een belangrijke basis om AI-algoritmes te kunnen ontwikkelen die erop gericht zijn om het aantal patiënten met kanker te verminderen, meer patiënten te genezen of te zorgen dat ze langer blijven leven. Daarnaast kan AI helpen om patiënten een betere kwaliteit van leven, maatschappelijke participatie en/of palliatieve zorg te bieden.
“Voor de ontwikkeling van hoge kwaliteit AI-toepassingen is het cruciaal om data uit verschillende bronnen te kunnen combineren. Je wilt bijvoorbeeld niet dat er door beperkte mogelijkheden in dataselectiebias in een AI-algoritme wordt geïntroduceerd. Juist om die reden wordt er al zoveel waarde gehecht aan het populatie-gebaseerde karakter van kankerregistraties. Zodat elke patiënt met kanker vertegenwoordigd is. Ongeacht bijvoorbeeld in welk ziekenhuis deze is behandeld”, zegt Xander Verbeek, hoofd innovatie IKNL.
Open source oplossingen maken impact
De beide partijen werken al enkele maanden succesvol samen in de toepassing van MPC om modellen voor zogenoemde survival analyse te kunnen trainen op basis van gevoelige data van meerdere partijen. TNO en IKNL hebben voor 2020 de ambitie om hiervoor gezamenlijk privacy-veilige open source software te ontwikkelen. Deze software zal breder inzetbaar zijn voor veel meer toepassingen in de gezondheidzorg. Op die manier komen deze nieuwe innovaties maximaal ten goede aan de patiënt.
*Secure Multiparty Computation (MPC)
MPC is een ‘gereedschapskist’ met cryptografische technieken die het mogelijk maakt dat meerdere partijen gezamenlijk aan data kunnen rekenen, alsof ze een gedeelde database hebben. Doordat de data op een cryptografische manier beschermd is, kan deze gedeeld worden zonder dat de partijen andermans data ooit kunnen inzien. De deelnemende partijen bepalen wie de uitkomst van de berekening mag inzien. Bij verantwoorde AI in de zorg zijn juist privacy-compliancy, transparantie en ethiek van groot belang.
*Personal Health Train (PHT)
De personal health train (PHT) is een oplossing waarmee data niet naar de analyse worden gebracht, maar de analyse (als “treinen”) via een technische infrastructuur (“rails”) naar de verschillende databronnen (“stations”) wordt gebracht. Zo is het mogelijk om complexe algoritmes uit te voeren op data die beheerd wordt door verschillende organisaties en waarbij de privacy beschermd is.