Cas 2: Compartició de dades sintètiques mitjançant IA En l’àmbit de la salut, compartir informació és clau per avançar en la recerca i en el desenvolupament de noves eines mèdiques, però fer-ho sense comprometre la privadesa dels pacients és tot un repte.Les dades sintètiques, generades artificialment mitjançant intel·ligència artificial per imitar les dades reals, ofereixen una solució innovadora. Aquest enfocament permet a investigadors i professionals de la salut treballar amb informació que reprodueix les característiques de les dades clíniques reals, però sense revelar informació personal ni sensible.En aquest cas d’ús es desenvolupen eines i mètodes per crear dades sintètiques a partir d’historials mèdics i biomarcadors, fet que facilita provar algoritmes d’IA, fer anàlisis i simular assaigs clínics de manera segura i ètica. Gràcies a això, s’impulsa la col·laboració entre institucions, es redueixen costos i temps de desenvolupament, i s’accelera el progrés científic tot respectant la privadesa dels pacients. Objectius Analitzar, compartir i integrar dades entre les diferents entitats que les aporten: HUVH, VHIR i VHIO, complint amb el govern de la dada definit. Modelar i harmonitzar les dades segons el model de dades comú OMOP. Generar dades sintètiques mantenint el model de dades comú OMOP, promovent la possibilitat d’afegir altres fonts de dades que comparteixin el mateix model de manera fàcil i escalable. Garantir la qualitat de les dades generades per tal que puguin ser compartides a l’espai de dades. Publicar-les al catàleg del component de l’espai de dades perquè els potencials consumidors puguin explorar-les i utilitzar-les. Consumidors de dades Investigadors i professionals de la salut: professionals del Campus Vall d’Hebron o d’organitzacions externes que duen a terme estudis o projectes d’innovació sense necessitat d’accedir a dades sensibles de pacients. Indústria farmacèutica i agències reguladores: empreses que utilitzen dades sintètiques d’alta qualitat derivades d’un entorn hospitalari real, que poden emprar-se en proves d’assaigs clínics no aleatoritzats amb fàrmacs prometedors, especialment en un context de medicina de precisió (selecció de tractaments basada en biomarcadors i dades genètiques). Empreses i desenvolupadors: empreses o desenvolupadors que volen validar els seus sistemes d’informació o dispositius mèdics i entrenar models d’IA/ML sense comprometre dades de pacients. Autoritats sanitàries: gestors que utilitzen les dades per prendre decisions, modelar polítiques o fer simulacions d’escenaris, com ara l’impacte de l’aprovació d’una nova tecnologia diagnòstica o terapèutica. Cas 1: Resultats en Salut i Espai Europeu de Dades de Salut Aquest cas mostra com es poden utilitzar dades aportades pels pacients per oferir una atenció més personalitzada i efectiva. L’objectiu és prendre millors decisions, adaptar la cura a les necessitats de cada persona i compartir informació de manera segura entre hospitals i centres sanitaris. Més informació Cas 3: Espai de Dades per a la Predicció Federada del Risc d’Insuficiència Cardíaca Aguda Aquest cas mostra com es poden compartir dades clíniques validades en una xarxa federada i aplicar un model predictiu de risc per a pacients amb insuficiència cardíaca aguda, garantint la privacitat i facilitant la col·laboració entre hospitals i investigadors. Més informació