Демонстратор 2: Колаборативна употреба машинског учења у медицини спавања
Партнери : Три центра за медицину спавања из три различите земље (Универзитетска болница Цхарите у Немачкој, Универзитетска болница Куопио у Финској и Хоспитал де Диеу из Француске) биће укључена у овај демонстратор. Технички развој ће подржати тим медицинске информатике из Универзитетске болнице Гетинген у Немачкој.
Опис проблема :
Истраживање везано за машине и дубоко учење изазвало је велико интересовање последњих година у области медицине спавања. Истраживачки пројекти који користе ове методе морају да искористе огромну количину клинички осетљивих података. Ово покреће неколико питања, као што су отвореност истраживања, забринутост за приватност и безбедност података, као и важност проналажења равнотеже између њих. Тренутно, истраживачки пројекти би требало да прате ФАИР принципе података (пронаћи, доступни, интероперабилни и поново употребљиви) и недавну Општу уредбу о заштити података Европске комисије (ГДПР,2016/679). Међутим, поштовање ГДПР-а омета примену ФАИР-а и чини размену података између клиничких или истраживачких институција веома тешком, посебно у случају ретроспективних података.
У идеалном случају, дељење података треба да садржи три корака: (1) шифровање података, (2) дељење података са заштићеним платформама и (3) безбедно складиштење података. Међутим, шифровање података није добило пажњу коју заслужује иако је један од кључних елемената: ако из било ког разлога друга два корака не успеју, шифровање података осигурава да су подаци и даље заштићени и идентификација појединаца није могућа. Стога би поседовање софистицираних и валидираних алгоритама за шифровање података било веома драгоцено за целу истраживачку заједницу. Поред тога, извођење сложене аналитике и операција машинског учења на шифрованим подацима је такође пожељно да би се олакшала заједничка експлоатација ових безбедно дељених података.
Планирана демонстрациона апликација :
Демонстратор ће користити податке који се састоје од снимака спавања (тј. електроенцефалографије, електроокулографије, електромиографије, сигнала дисања, оксиметријских сигнала, хркања (аудио), положаја спавања, респираторног напора и евентуално ноћног видео снимка), медицинских картона пацијената и упитника који се односе на поремећаји спавања у текстуалном формату (ворд, екцел, итд.), прикупљених у оквиру пројекта Х2020 СЛЕЕПРЕВОЛУТИОН. Циљ демонстратора је да илуструје да се након енкрипције снимцима спавања може руковати и анализирати на сличан начин (користећи сложену аналитику и МЛ технике) као и нешифровани подаци. Неопходно је да се решење може користити без обзира на софтвер за снимање спавања или уређај који се користи за анализу или прикупљање података. Шифровање би такође требало да буде могуће без обзира на број или квалитет сигнала у снимцима спавања. Решење треба да садржи кориснички интерфејс прилагођен кориснику и да буде лако употребљив у клиничком (оперативном) окружењу од стране клиничких практичара.