UURINGU EETILISE HINDAMISE TAOTLUS EESTI BIOEETIKA JA INIMUURINGUTE NÕUKOGULE



1. Uuringu nimetus (ingliskeelsete taotluse puhul tuleb uuringu nimetus ära tuua ka eesti keeles)
Südame rütmihäirete ennustusmudelid
2. Uuringu põhieesmärk kuni 450 tähemärki (0,25 lk) (ingliskeelsete taotluse puhul tuleb uuringu põhieesmärk ära tuua ka eesti keeles)
Kodade virvendusarütmia (KVA) on kõige sagedasem rütmihäire. Viimaste andmete kohaselt on Eestis KVA esinemine eriti sage ulatudes 7%-ni (Est-Health-30 andmestik, avaldamata andmed), mis on pea kaks korda enam kui teistes Euroopa riikides (Hindricks G et al, Eur Heart J. 2021 Feb 1;42(5):373-498). KVA esinemine tõstab oluliselt kardiovaskulaarsete tüsistuste (nt insult, südamepuudulikkus, infarkt jt) ja surma, sh äkksurma, riski. Sarnaselt KVA-le on ka südame juhtehäirete puhul suurenenud erinevate kardiovaskulaarsete tüsistuste ja surma risk ning seda just alla 50-aastastel. Nii KVA kui ka juhtehäirete korral on ülimalt oluline haiguse varane avastamine ja ravi, mis võimaldab haiguse progressiooni pidurdada ning ennetada tüsistuste teket. Kahjuks kuni kolmandikul KVA haigetest puuduvad sümptomid, mistõttu haiguse arenemine võib jääda märkamata, piirates oluliselt hilisemate ravimeetodite rakendamist. Nii võibki juhtuda, et haiguse esmaseks avalduseks on insult. Üheks südamehaiguste tüsistuseks võib olla äkksurm. Kusjuures Euroopa Südameühingu andmetel moodustab südame äkksurm ligikaudu 20% kõigist surmajuhtudest ning kuni pooltel haigetel on tegu esmase südamehaiguse avaldumisega (Wellens HJJ, et al. EHJ 2014, 35(25):1642-1651).
Järjest enam rakendatakse igapäevase tervishoiuteenuse osutamise käigus salvestatavaid andmeid (nt elektroonilised terviseandmed, EKG jms), et välja töötada mudeleid erinevate südame-veresoonkonnahaiguste ja nende tüsistuste esinemise ennustamiseks. Sellistel mudelitel on potentsiaal aidata kaasa erinevate südamehaiguste avastamisele ning seeläbi toetada õigeaegse ravi osutamist. Tänu Eestis olemasolevatele andmebaasidele (nt Eesti geenivaramu (EGV) ja Eesti Tervishoiu Pildipank (ETP)) on Eesti digitaalne infrastruktuur on sobilik uuenduslike haiguse ennustusmudelite loomiseks.
Uuringu põhieesmärk on järgnev:
Erinevate südame rütmihäiretega seotud ennustusmudelite loomine, valideerimine ja hindamine.
3. Uuringu läbiviimise aeg (algus ja lõpp kuu ja aasta täpsusega)
01/2026 – 12/2030
4. Vastutava(d) uurija(d) ning tema (nende) kontaktandmed
Eesnimi: Silver
Perekonnanimi: Heinsar
Ametikoht: Teadur
Organisatsioon: Südamekliinik, Kliinilise meditsiini instituut, Tartu Ülikool
Telefon: +37253331997
e-post: [email protected]

5. Uuringu läbiviijad (lisada juurde vajalik arv ridu)
1. Eesnimi: Priit
Perekonnanimi: Kampus
Ametikoht: Kaasprofessor, Kliiniku juhataja
Organisatsioon: Südamekliinik, Kliinilise meditsiini instituut, Tartu Ülikool

2. Eesnimi: Priit
Perekonnanimi: Pauklin
Ametikoht: Lektor
Organisatsioon: Südamekliinik, Kliinilise meditsiini instituut, Tartu Ülikool

3. Eesnimi: Kerli
Perekonnanimi: Mooses
Ametikoht: Teadur
Organisatsioon: Arvutiteaduse instituut, Tartu Ülikool

4. Eesnimi: Kristi
Perekonnanimi: Läll
Ametikoht: Teadur
Organisatsioon: Genoomika instituut, Tartu Ülikool

5. Eesnimi: Alar
Perekonnanimi: Irs
Ametikoht: Kliiniku juht
Organisatsioon: Südamekliinik, Tartu Ülikooli Kliinikum

6. Eesnimi: Krista
Perekonnanimi: Fischer
Ametikoht: Professor, kaasprofessor
Organisatsioon: Matemaatika ja statistika instituut, Genoomika instituut, Tartu Ülikool

7. Eesnimi: Hanna
Perekonnanimi: Kangur
Ametikoht: matemaatilise statistika eriala bakalaureuseõppe üliõpilane
Organisatsioon: Matemaatika ja statistika instituut, Tartu Ülikool

8. Eesnimi: Reedik
Perekonnanimi: Mägi
Ametikoht: Professor
Organisatsioon: Genoomika instituut, Tartu Ülikool

9. Eesnimi: Lili
Perekonnanimi: Milani
Ametikoht: Professor
Organisatsioon: Genoomika instituut, Tartu Ülikool

10. Eesnimi: Raivo
Perekonnanimi: Kolde
Ametikoht: terviseinformaatika kaasprofessor
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

11. Eesnimi: Sulev
Perekonnanimi: Reisberg
Ametikoht: terviseinformaatika teadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

12. Eesnimi: Sven
Perekonnanimi: Laur
Ametikoht: kaasprofessor
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

13. Eesnimi: Marek
Perekonnanimi: Oja
Ametikoht: terviseinformaatika teadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

14. Eesnimi: Sirli
Perekonnanimi: Tamm
Ametikoht: programmeerija
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

15. Eesnimi: Harry-Anton
Perekonnanimi: Talvik
Ametikoht: terviseinformaatika nooremteadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

16. Eesnimi: Hendrik
Perekonnanimi: Šuvalov
Ametikoht: terviseinformaatika nooremteadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

17. Eesnimi: Maarja
Perekonnanimi: Pajusalu
Ametikoht: terviseinformaatika nooremteadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

18. Eesnimi: Õie Renata
Perekonnanimi: Siimon
Ametikoht: terviseinformaatika nooremteadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

19. Eesnimi: Ami
Perekonnanimi: Sild
Ametikoht: programmeerija
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

20. Eesnimi: Asad
Perekonnanimi: Munir
Ametikoht: terviseinformaatika tehisintellekti lektor
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

21. Eesnimi: Djeane Debora
Perekonnanimi: Onthoni
Ametikoht: terviseandmete tehisintellekti teadur
Organisatsioon: Tartu Ülikool, arvutiteaduse instituut

22. Eesnimi: Burak
Perekonnanimi: Yelmen
Ametikoht: statistilise genoomika teadur
Organisatsioon: Genoomika instituut, Tartu Ülikool

23. Eesnimi: Merve Nur
Perekonnanimi: Güler
Ametikoht: genoomika nooremteadur
Organisatsioon: Genoomika instituut, Tartu Ülikool

24. Eesnimi: Riina
Perekonnanimi: Raudne
Ametikoht: personaalmeditsiini keskuse juht
Organisatsioon: Genoomika instituut, Tartu Ülikool

6. Uuringu finantseerimine
Finantseerimise allikad
Centre for Data Enriched Medicine (TeamPerMed)
Uuringu üldmaksumus (summa)
30000 eurot
Uuritavale kompensatsiooni maksmine (jah, ei, põhjendus ja summa)
Ei, sest tegu on retrospektiivse vaatlusuuringuga, milles kasutatakse registritest saadud andmeid
Uuritavate kindlustus (jah, ei, kindlustaja ja poliis)
Ei
7. Teave sama uuringu projekti varasema või samaaegse hindamise kohta (sh teistes riikides)
Käesolevat projekti pole varem hinnatud.
8. Lühiülevaade siiani samal teemal tehtud uuringutest (kuni 900 tähemärki, 0,5 lk)
Kodade virvendusarütmia (KVA) on sagedaseim rütmihäire maailmas ning üks peamisi isheemilise insuldi tekkepõhjuseid [1, 2]. Eestis on KVA esinemissagedus eriti kõrge, viimaste andmete (Est-Health-30 andmebaas, publitseerimata andmestik) alusel kuni 7% elanikkonnast. Lisaks insuldile tõstab kodade virvendusarütmia esinemine haigetel südamepuudulikkuse, kognitiivse võimekuse languse, hospitaliseerimise ning surma riski [3-7]. Kaasaegsed ravimeetodid, eesotsas KVA kateeterablatsiooni ning suukaudse antikoagulatsiooniga võimaldavad oluliselt langetada kodade virvendusarütmia kardiovaskulaarsete tüsistuste, sh insuldi riski [8-10]. Kodade virvendusarütmia on ajas progresseeruv haigus ning ravimeetodite varasem rakendamine pärsib hilisemat haiguse progressiooni krooniliseks ning invaliidistavaks haiguseks [10]. Olukorda raskendab asjaolu, et hinnanguliselt kuni kolmandik haigeid võivad olla asümptomaatilised, mistõttu võib arstide vaatevälja ilmudes haiguse areng olla juba pöördumatult kulgenud, mis seab ravivõimalustele olulised piirangud [11]. Seega on varane haiguse avastamine kriitilise tähtsusega.
KVA varaseks avastamiseks on üritatud luua kliinilisi riskiskoore, näiteks CHARGE-AF ja HATCH skoorid, ent nende ennustusvõime on mõõdukas ning rakendamine vajab patsiendi kliinilist hindamist arsti poolt [12, 13]. Lisaks keskkonnategurite hindamisele on järjest enam proovitud KVA tekke ennustusmudelites rakendada geneetilisel informatsioonil põhinevaid polügeenseid riskiskoorie (PRS) [14]. PRS-d võimaldavad oluliselt tõsta haiguse ennustusvõimekust, ent nende kliiniline rakendamine iseseisva tööriistana pole olnud efektiivne [14]. Tehisintellekti ajastul on uuteks tööriistadeks kujunenud elektrokardiogrammi alusel haigust ennustavad AI-EKG mudelid, ent ka nende ennustusvõimekus üksi pole siiani olnud piisav, et kliinilist töövoogu mõjutada [15]. Kõrgema prognostilise võimekuse tagamiseks lõid Kanada teadlased Jabbour et al kombineeritud mudeli, mis hõlmas nii AI-EKG kui ka PRSi komponenti. Selle mudeli peamiseks piiranguks oli limiteeritud populatsioon, sest andmeid koguti vaid ühe kardiovaskulaarse keskuse patsientidelt [16], mistõttu on vajalik antud mudelit valideerida erinevatel populatsioonidel. ETP ning EGV on head andmebaasid Eesti populatsiooni põhjal sarnase mudeli loomiseks või olemasolevate mudelite valideerimiseks, sest erinevalt Jabbour ning kaasuurijate projektist on tegu populatsiooniülese andmebaasiga.
Mainitud andmebaaside abil on võimalik luua vajalikud ennustusmudelid lisaks KVA-le ka teistele südame rütmihäiretele (näiteks juhtehäired jt) ning võimalike tüsistuste esinemise (nt äkksurm, insult jt) ennustamiseks. Südame juhtehäired on just alla 50-aastaste seas seotud tõusnud surma ja kaasuvate haiguste riskiga, mistõttu nende varane avastamine ja ravi (sh stimulaatorravi) on kriitilise tähtsusega haigete elukvaliteedi ja ravitulemite parandamisel [17]. Euroopa Südameühingu andmetel moodustab südame äkksurm ligikaudu 20% kõigist surmajuhtudest ning kuni pooltel haigetel on tegu esmase südamehaiguse avaldumisega [18]. Sealjuures on oluline, et südame äkksurma esineb igas vanuses inimestel - alates lastest kuni eakateni. Südame äkksurma ennetusmeetodid, sealhulgas elustiili muutused, ravimid aga ka seadmed nagu implanteeritav kardioverter-defibrillaator võivad päästa inimese elu, ent selleks on vaja vastavad patsiendid identifitseerida enne äkksurma [20]. Seega võimaldaksid projekti käigus loodavad mudelid uute ja täpsemate skriiningprogrammide loomist, mis aitaks kaasa südame rütmihäirete varasele avastamisele ja ravile.
1. Kamel H, Healey JS: Cardioembolic Stroke. Circ Res 2017, 120(3):514-526.
2. Tsao CW, Aday AW, Almarzooq ZI, Anderson CAM, Arora P, Avery CL, Baker-Smith CM, Beaton AZ, Boehme AK, Buxton AE et al: Heart Disease and Stroke Statistics-2023 Update: A Report From the American Heart Association. Circulation 2023, 147(8):e93-e621.
3. Goette A, Kalman JM, Aguinaga L, Akar J, Cabrera JA, Chen SA, Chugh SS, Corradi D, D'Avila A, Dobrev D et al: EHRA/HRS/APHRS/SOLAECE expert consensus on atrial cardiomyopathies: definition, characterization, and clinical implication. Europace 2016, 18(10):1455-1490.
4. Qin D, Mansour MC, Ruskin JN, Heist EK: Atrial Fibrillation-Mediated Cardiomyopathy. Circ Arrhythm Electrophysiol 2019, 12(12):e007809.
5. Santhanakrishnan R, Wang N, Larson MG, Magnani JW, McManus DD, Lubitz SA, Ellinor PT, Cheng S, Vasan RS, Lee DS et al: Atrial Fibrillation Begets Heart Failure and Vice Versa: Temporal Associations and Differences in Preserved Versus Reduced Ejection Fraction. Circulation 2016, 133(5):484-492.
6. Koh YH, Lew LZW, Franke KB, Elliott AD, Lau DH, Thiyagarajah A, Linz D, Arstall M, Tully PJ, Baune BT et al: Predictive role of atrial fibrillation in cognitive decline: a systematic review and meta-analysis of 2.8 million individuals. Europace 2022, 24(8):1229-1239.
7. Papanastasiou CA, Theochari CA, Zareifopoulos N, Arfaras-Melainis A, Giannakoulas G, Karamitsos TD, Palaiodimos L, Ntaios G, Avgerinos KI, Kapogiannis D et al: Atrial Fibrillation Is Associated with Cognitive Impairment, All-Cause Dementia, Vascular Dementia, and Alzheimer's Disease: a Systematic Review and Meta-Analysis. J Gen Intern Med 2021, 36(10):3122-3135.
8. Hart RG, Pearce LA, Aguilar MI: Meta-analysis: antithrombotic therapy to prevent stroke in patients who have nonvalvular atrial fibrillation. Ann Intern Med 2007, 146(12):857-867.
9. Ruff CT, Giugliano RP, Braunwald E, Hoffman EB, Deenadayalu N, Ezekowitz MD, Camm AJ, Weitz JI, Lewis BS, Parkhomenko A et al: Comparison of the efficacy and safety of new oral anticoagulants with warfarin in patients with atrial fibrillation: a meta-analysis of randomised trials. Lancet 2014, 383(9921):955-962.
10. Kirchhof P, Camm AJ, Goette A, Brandes A, Eckardt L, Elvan A, Fetsch T, van Gelder IC, Haase D, Haegeli LM et al: Early Rhythm-Control Therapy in Patients with Atrial Fibrillation. N Engl J Med 2020, 383(14):1305-1316.
11. Dilaveris PE, Kennedy HL: Silent atrial fibrillation: epidemiology, diagnosis, and clinical impact. Clin Cardiol 2017, 40(6):413-418.
12. Alonso A, Krijthe BP, Aspelund T, Stepas KA, Pencina MJ, Moser CB, Sinner MF, Sotoodehnia N, Fontes JD, Janssens AC et al: Simple risk model predicts incidence of atrial fibrillation in a racially and geographically diverse population: the CHARGE-AF consortium. J Am Heart Assoc 2013, 2(2):e000102.
13. Suenari K, Chao TF, Liu CJ, Kihara Y, Chen TJ, Chen SA: Usefulness of HATCH score in the prediction of new-onset atrial fibrillation for Asians. Medicine (Baltimore) 2017, 96(1):e5597.
14. Gibson JT, Rudd JHF: Polygenic risk scores in atrial fibrillation: Associations and clinical utility in disease prediction. Heart Rhythm 2024, 21(6):913-918.
15. Christopoulos G, Attia ZI, Van Houten HK, Yao X, Carter RE, Lopez-Jimenez F, Kapa S, Noseworthy PA, Friedman PA: Artificial intelligence-electrocardiography to detect atrial fibrillation: trend of probability before and after the first episode. Eur Heart J Digit Health 2022, 3(2):228-235.
16. Jabbour G, Nolin-Lapalme A, Tastet O, Corbin D, Jordà P, Sowa A, Delfrate J, Busseuil D, Hussin JG, Dubé MP et al: Prediction of incident atrial fibrillation using deep learning, clinical models, and polygenic scores. Eur Heart J 2024, 45(46):4920-4934.
17. Dideriksen JR, Christiansen MK, Johansen JB, Nielsen JC, Bundgaard H, Jensen HK: Long-term outcomes in young patients with atrioventricular block of unknown aetiology. Eur Heart J 2021, 42(21):2060-2068.
18. Wellens HJJ, Schwartz PJ, Lindemans FW, Buxton AE, Goldberger JJ, Hohnloser SH, Huikuri HV, Kääb S, La Rovere MT, Malik M et al: Risk stratification for sudden cardiac death: current status and challenges for the future†. European Heart Journal 2014, 35(25):1642-1651.
19.. Kirchhof P, Breithardt G, Eckardt L: Primary prevention of sudden cardiac death. Heart 2006, 92(12):1873-1878.
9. Planeeritava uuringu põhjendus ning uurimisküsimused ja/või hüpoteesid (kuni 1800 tähemärki, 1 lk)
Kodade virvendusarütmia on kõige sagedasem rütmihäire maailmas, mille esinemine tõstab oluliselt kardiovaskulaarsete tüsistuste, nagu insuldi, infarkti, südamepuudulikkuse ja surma riski. Haiguse varane ravi võimaldab selle progressiooni pärssida ning ennetada tüsistuste teket. Kahjuks ei ole kõikidel haigetel rütmihäire tekkel sümptomeid mistõttu haiguse arenemine võib jääda märkamata, piirates oluliselt hilisemate ravimeetodite rakendamist. Kui Euroopas on hinnanguliselt KVA esinemissageduseks 2-4% (Eur Heart J. 2021 Feb 1;42(5):373-498), siis viimaste andmete kohaselt on Eestis haiguse esinemine eriti sage, tõusnud 7%-ni aastal 2023 (Joonis 1). Seetõttu on KVA varane ennetus eriti oluline, et populatsiooni tasemel piirata haiguse tüsistustele kuluvate ressursside mahtu.

Joonis 1. Kodade virvendusarütmia levimus Eestis aastatel 2017-2023 (Est-Health-30 andmebaas).
Suurandmete analüüsi, masinõppe ja tehisintellekti meetodite arengu tulemusel on näidatud, et tervise- ja geeniandmete ning AI-EKG mudeli tulemuste kombineerimine võib aidata efektiivsemalt varajaselt avastada KVA juhtumeid ning seeläbi ka varasemalt ja efektiivsemalt sekkuda. Täna on vajadus olemasolevaid mudeleid valideerida erinevate populatsioonide peal, et hinnata nende täpsust ning rakendatavust ning vajadusel edasi arendada veelgi täpsemateks mudeliteks. Tänu Eestis olemasolevatele andmebaasidele (EGV ning ETP) on Eesti digitaalsel infrastruktuuril oluline potentsiaal uuenduslike haiguse ennustusmudelite loomiseks ning olemasolevate mudelite valideerimiseks.
Lisaks KVA mudelite loomisele on analoogseid mudeleid vaja luua ka südame juhtehäirete ja südame äkksurma varaseks ennustamiseks, kuna mõlemad haigusseisundid on levinud tööealises rahvastikus. Seega nende seisundite kõrge riski varane avastamine ei võimalda mitte ainult pakkuda konkreetsele indiviidile paremat elukvaliteeti tänu õigeaegsele ravile ja ennetustegevusele, vaid vältida ka võimalikku ühiskondlikku ja majanduslikku kahju, mis tekiks tööealise elaniku tööturult välja langemisel.

Üldeesmärk: Erinevate südame rütmihäiretega seotud ennustusmudelite loomine, valideerimine ja hindamine.

Täpsemad eesmärgid on:
1. Valideerida olemasolevaid publitseeritud kliinilisi ning polügeenseid riskiskoore ja AI-EKG mudeleid.
2. Luua uusi kliinilisi ning polügeenseid riskiskoore ja AI-EKG mudeleid ning hinnata nende ennustusvõimet Eesti populatsioonis.
3. Luua riskimudeleid, mis kombineerivad polügeensete riskiskooride, AI-EKG ja terviseseisundiga seotud infot ja hinnata nende ennustusvõimet Eesti populatsioonis.
10. Uurimismetoodika (kuni 1800 tähemärki, 1 lk)
Uurimistöö tarbeks kasutatakse EGV-s olemasolevaid andmeid ja ETP-st saadud geenidoonorite elektrokardiogramme (EKG) DICOM formaadis. EKG-de saamiseks viiakse läbi eraldi linkimine ETP-ga.
Polügeenne riskiskoor arvutatakse geneetiliste andmete põhjal (nii sekveneeritud andmete kui ka imputeeritud genotüübi andmete põhjal), rakendades eelnevalt määratletud geenivariantide kaalu ja summat, vastavalt uusimatele teaduskirjanduses avaldatud mudelitele.
Uuringus hinnatakse doonorite erinevaid demograafilisi, geeni-, tervise- ja ravimiandmete seoseid haiguste tekkeriskiga. Uuritavate kolme haigusseisundi (kodade virvendusarütmia (RHK-10 kood I48), südame juhtehäired (RHK-10 koodid I44.1-I44.3 ja I49.5 koos stimulaatori koodiga Z95.0), äkksurm (RHK-10 kood I46.0) kohta otsitakse teaduskirjandusest publitseeritud kliinilisi, polügeenseid ja AI-EKG mudeleid ning võimalusel valideeritakse need. Lisaks luuakse uusi erineva sisendiga ennustusmudeleid ning hinnatakse nende ennustusvõimet. Täpsemalt on plaanis luua:
1) kliinilised ennustusmudelid, mille sisendiks on doonori eelnev terviseajalugu (epikriisid, raviarved, ravimite tarvitamine jms) ning tervisekäitumist ja -seisundit kirjeldav info (suitsetamine, kehamassiindeks, vererõhu ja erinevad verenäitajad, kaasuvad haigused jms)
2) geneetilised ennustusmudelid, mille puhul hinnatakse polügeensete riskiskooride mõju haiguse esinemisele
3) AI-EKG ennustusmudelid, kus EKG sakkide alusel hinnatakse haiguse esinemise riski
4) kombineeritud ennustusmudelid, kus mudelisse lisatakse nii kliinilised, geneetilised kui ka AI-EKG andmed, et hinnata erinevate tunnuste kompleksset prognoosivõimet haigusriski tuvastamisel.
Kõik eelpool mainitud mudelid on plaanis luua nii esmaseks ennetuseks kui ka haiguse progresseerumise (sh tüsistuste) uurimiseks. Kõikides mudelites võetakse arvesse doonori sugu ja vanust. Iga mudeli puhul randomiseeritakse valim kolme gruppi, mida kasutatakse vastavalt mudeli treenimiseks, valideerimiseks ning testimiseks. Mudeli loomiseks kasutatakse erinevaid masinõppe meetodeid, nt convolutional neural network, juhumetsad jm. Erinevate mudelite tulemuslikkust võrreldakse nii mudelite endi vahel kui ka standardsete riskiskooridega (nt CHA2DS2-VA skoor), kasutades diskrimineerimis- ja kalibreerimisnäitajaid.
Täpne andmekoosseis on esitatud punktis 15.

Andmete taotlemine ETP-st
1. Geenidoonorite EKG-de väljastamine ETPst EGV-le
Andmete saamiseks ETP-st esitab EGV taotluse Sotsiaalministeeriumile kui ETP vastutavale töötlejale. Sotsiaalministeeriumi loa saamisel lepitakse kokku EGV ja ETP vahel toimuva andmete vahetamise täpne korraldus.
ETP-st väljastatud andmed võtab vastu EGV. Andmete suure teadusliku väärtuse tõttu liidetakse ETP-st saadud andmed EGV andmebaasiga, mis on kooskõlas Inimgeeniuuringute seaduse (IGUS) § 3 lõikes 1 toodud EGV eesmärkidega (edendada geeniuuringute arengut, koguda teavet Eesti rahvastiku tervise ja pärilikkuse informatsiooni kohta, rakendada geeniuuringute tulemused rahva tervise parandamiseks). Enne geenidoonorite andmete taotlemist ETP-st veendutakse, et on tagatud sellekohane õigusraamistik, s.t ETP andmete liitmiseks EGV andmebaasiga on olemas õiguslik alus.

Geenidoonorite andmete töötlemine nimetatud tegevuse läbiviimiseks toimub Inimgeeniuuringute seaduse, geenidoonori EGV-ga liitumisel antud nõusoleku ja Isikuandmete kaitse seaduse alusel. Kõik geenidoonorid on liitumisel EGV-ga allkirjastanud geenidoonoriks saamise nõusoleku vormi, mille 11. punkti kohaselt on teda informeeritud, et ta võib anda nõusoleku geenivaramu vastutavale töötlejale saada isikuandmeid ja andmeid tema terviseseisundi kohta teistest andmekogudest ning et ta võib keelata geenivaramu vastutaval töötlejal tema kohta geenivaramus hoitavat terviseseisundi kirjeldust täiendada, uuendada ja kontrollida. Samuti on geenidoonoriks saamise nõusoleku vormi punktis 12 selgitatud, et geenidoonor võib oma geenidoonoriks saamise nõusoleku igal ajal tagasi võtta.
Antud uuringusse ei kaasata nende geenidoonorite andmeid, kes on keelanud oma andmete täiendamise teistest andmekogudest.
Isikuandmete kaitse seaduse § 6 lg (3) alusel on teadus- või ajaloouuringu või riikliku statistika vajadusteks andmesubjekti nõusolekuta tema kohta käivate andmete töötlemine andmesubjekti tuvastamist võimaldaval kujul lubatud üksnes juhul, kui on täidetud järgmised tingimused: 1) pärast tuvastamist võimaldavate andmete eemaldamist ei ole andmetöötluse eesmärgid enam saavutatavad või neid oleks ebamõistlikult raske saavutada; 2) teadus- või ajaloouuringu või riikliku statistika tegija hinnangul on selleks ülekaalukas avalik huvi; 3) töödeldavate isikuandmete põhjal ei muudeta andmesubjekti kohustuste mahtu ega kahjustata muul viisil ülemäära andmesubjekti õigusi. Antud uuringus on uurijate hinnangul need tingimused täidetud.
Isikuandmete kaitse seaduse § 6 lg (4) sätestab: Kui teadus- või ajaloouuring põhineb eriliiki isikuandmetel, siis kontrollib asjaomase valdkonna eetikakomitee enne käesolevas paragrahvis sätestatud tingimuste täitmist. Kui teadusvaldkonnas puudub eetikakomitee, siis kontrollib nõuete täitmist Andmekaitse Inspektsioon. Selle nõude täitmiseks on andmevahetuse toimumise eelduseks EBIN-i kooskõlastuse saamine antud uurimistööle, k a andmevahetusele EGV ja ETP vahel.
Andmete saamiseks ETP-st toimub geenidoonorite andmete depseudonüümimine IGUS § 24 lg 2 punkt 3 alusel, mille kohaselt depseudonüümimine on vastutaval töötlejal lubatud terviseseisundi kirjelduse uuendamiseks, täiendamiseks või kontrollimiseks ilma geenidoonoriga ühendust võtmata, kui geenidoonor ei ole keelanud tema terviseseisundi kirjelduse täiendamist, uuendamist või kontrollimist.
2. Andmete edastamine uurimisgrupile
Enne andmete edastamist uurijatele eemaldatakse andmestikust kõik isiku otsest tuvastamist võimaldavad andmed ning teostatakse andmete pseudonüümimine. Andmete edastus toimub krüpteeritult läbi turvalise andmevahetusserveri, mis on üles seatud Eesti Teadusarvutuste infrastruktuuri poolt.

Andmete hoidmine, töötlemine ja väljastamine
Andmestikku hoitakse ja kõik teisendused/analüüsid teostatakse Eesti Teadusarvutuste infrastruktuuri poolt pakutavas turvalises uurimiskeskkonnas (SAPU), mis vastab sensitiivsete andmete töötlemise nõuetele. Projekti käigus kasutatakse eraldiseisvat SAPU keskkonda, mis ei ole seotud teiste SAPU keskkondadega. Detailne info Eesti Teadisarvutuste infrastruktuuri kohta on leitav aadressil https://etais.ee/ ja lisainfo sensitiivsete andmete turvalise uurimiskeskkonna (SAPU) koht on leitav aadressil https://docs.hpc.ut.ee/public/services/SAPU/ (inglise keeles).
Kuidas välditakse andmete juhuslikku hävimist või kahjustumist?
• Andmetest tehakse regulaarseid krüpteeritud varukoopiaid.
• Regulaarselt teostatakse serverite turvatestimist, uuendamist ja monitoorimist.
• Serverid on varustatud katkematu toiteallikaga (UPS).
• Kasutusel on füüsilised ja organisatoorsed turvameetmed, mis takistavad selleks volitamata isikute füüsilist juurdepääsu serveritele.
• Kasutajal puudub SAPU keskkonnast juurdepääs internetile.
• Kasutajal puudub SAPU keskkonnas õigus installeerida programme.
• SAPU keskkonda saavad siseneda ainult selleks vastavaid õigusi omavad kasutajad.
• Kasutajaid juhendatakse ja koolitatakse SAPU keskkonna kasutamise osas.
Andmete töötlus toimub SAPU keskkonnas, mis rangelt piirab kasutajate võimalust andmeid serverist välja kopeerida ning võimaldab vastutaval uurijal jälgida kõikide kasutajate tegevusi. Vastutav uurija tagab, et logitakse kõikide kasutajate kõik tegevused SAPU keskkonnas, sh salvestatakse jooksvalt ka kasutaja ekraanipilti (video). Kasutajad on logidest ja ekraanipildi salvestamisest teadlikud ning see toimib ka heidutava meetmena. Logide monitoorimise korraldab vastutav uurija. Samuti tagab vastutav uurija vajadusel andmeandjatele ligipääsu kasutajate logidele kogu andmete eluea vältel. Täiendavate uurimisküsimuste tekkimisel või uurimismeeskonna liikmete lisandumisel küsitakse Eesti bioeetika ja inimuuringute nõukogult ja andmeandjatelt vastav kooskõlastus.
SAPU serverist väljastatakse andmeid ainult vastutava uurija nõusolekul ja agregeeritud kujul nii, et on tagatud k ≥ 5 anonüümsus. SAPU serveris olevatele andmetele on ligipääs ainult käesolevas taotluses toodud uurijatel. Uurimisgrupp tagab, et andmetele ligipääs ja nende töötlemine on vastavuses kehtiva seadusandlusega.
Andmetest tehakse üks kord nädalas regulaarseid varukoopiad vastavalt Eesti Teadusarvutuste infrastruktuuri varundamise korrale. Varundamine toimub Eesti Teadusarvutuste infrastruktuuri lindirobotile, mis asub füüsiliselt teises asukohas (andmekeskuses). Varukoopiad on spetsiaalselt krüpteeritud, alles hoitakse viimast kolme varukoopiat. Varukoopiate tegemisel kasutatakse inkrementaalset varukoopiat ja on tagatud, et eelnevaid varukoopiaid ei ole võimalik muuta.
Teadusuuringu tulemused publitseeritakse nii Eesti kui ka rahvusvahelistes teadusajakirjades (eelistatult vabalt kättesaadavate artiklitena), konverentsidel ja ettekannetel, üliõpilaste lõputöödes. Teadusuuringu muid tulemeid (andmestiku kirjeldus, loodud riskimudelid, teadusuuringute kokkuvõtted jms) tutvustatakse soovi korral andmeandjatele.
Andmed arhiveeritakse üheks aastaks pärast projekti lõppemist Eesti Teadusarvutuste infrastruktuuri poolt krüpteeritud kujul SAPU keskkonnas. Andmetele võimaldatakse ligipääs vastutava uurija kinnitusel vaid põhjendatud juhtudel, näiteks retsenseerimisele saadetud teadusartiklite retsensioonidele vastamiseks. Kõik arhiveeritud andmetega tehtud toimingud logitakse kasutaja tasandil. Projekti lõppedes kaotavad uurimismeeskonna liikmed ligipääsu andmete töötlemiseks mõeldud serverile. Kui ETP-st pärit andmed on projekti lõppemise hetkeks kaasatud EGV andmekoosseisu eraldi andmekihina, siis säilitatakse ETP-st saadud andmeid EGV-s tähtajatult vastavalt IGUS-e §18 lõikele 1.. Vastasel juhul ETP-st uuringu jaoks väljastatud andmed kustutatakse projekti lõppemisel.

11. Uuritavate valim ja värbamise viisi kirjeldus.
Uuritavate informeerimise ja nõusoleku vormid, ankeetide, küsitluste ja testide vormid esitada taotluse lisadena.
Valimi suurus ja kontrollgruppide olemasolu
Uuringu valimiks on kõik EGV geenidoonorid (sh surnud), kes pole keelanud oma andmete täiendamist teistest andmebaasidest.
Kontrollgruppi ei ole.
Kes värbab uuritavaid ja kuidas/kus/kelle poolt võetakse informeeritud nõusolek? (kui on asjakohane)
Uusi geenidoonoreid uuringu tarbeks ei kaasata. Täiendavat nõusolekut geenidoonoritelt ei võeta. Kõik geenidoonorid on juba EGV-ga liitumisel allkirjastanud geenidoonoriks saamise nõusoleku vormi.

Kuidas ja kelle hulgast toimub uuritavate valik? Millised on uuritavate kaasamise või väljajätmise kriteeriumid?
Eraldi valikut ei toimu. Analüüsides kasutatakse valimi alusena kogu geenidoonorite kohorti.
Sekkumiste liik (füüsiline, vaimne või andmed, sh eriliiki isikuandmed)
Uuringus töödeldakse eriliiki isikuandmeid, milleks on tervise- ja geeniandmed.
Koormus uuritavale (kontaktivõtmise viisid, visiitide arv, uuringute tüüp ja arv, kutsete saatmise kordus jms)
Analüüsitakse pseudonüümitud andmeid. Uuritavatega kontakti ei võeta.
12. Koeproovide väljastamine kolmandatele osapooltele (RNA, DNA, plasma vms)
Mitme geenidoonori koeproove ja mis tüüpi koeproove väljastatakse?
N/A
Kui palju ühe geenidoonori kohta koeproove väljastatakse?
N/A
Kuhu koeproov väljastatakse (riik, asutuse nimetus, aadress)?
N/A
Mida tehakse järelejäänud koeproovidega (kas ülejääk hävitatakse või saadetakse tagasi)?
N/A
13. Uuringu eetiliste aspektide analüüs (3600 tähemärki, kuni 2 lk).
Kõik uuringud, mille objektiks on inimesed, peavad olema läbi viidud, arvestades eetilisi nõudeid, eelkõige autonoomia austamise, heategemise ja kahju vältimise ning õigluse printsiipe.

vt ka https://etag.ee/wp-content/uploads/2023/01/HE-eetikano%CC%83uded-juhendmaterjal.-Final.pdf https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/common/guidance/how-to-complete-your-ethics-self-assessment_en.pdf
1. Autonoomia austamise printsiip - analüüsitavad andmed pärinevad isikutelt, kes on vabatahtlikkuse alusel hakanud Tartu Ülikooli (TÜ) EGV geenidoonoriks ning kelle andmeid kasutatakse ainult pseudonüümitud kujul. Vabatahtlikud on enne geenidoonoriks hakkamist tutvunud geenidoonoriks saamise tingimustega, millega on tagatud autonoomia respekteerimise printsiip. Geenidoonoriks saamise nõusoleku vormi punkt 1 ütleb järgmist: „Geenivaramu eesmärk on koguda teavet Eesti rahvastiku tervise ja pärilikkuse kohta ning luua ja täiendada selle põhjal andmetega andmekogu “Geenivaramu“. Geenivaramut võib kasutada üksnes teaduslikuks uurimistööks, geenidoonori haiguste uurimiseks ja raviks, rahva tervise uurimiseks ja statistilistel eesmärkidel. Geenivaramu kasutamine muul otstarbel, eriti tsiviil- või kriminaalprotsessis tõendite kogumiseks või jälitustegevuseks, on keelatud. Geenivaramu abil tehtavad uuringud on jätkuvad ja ei ole piiratud käesoleva aja teaduse tasemega.“ Sellega on isikuid informeeritud, et geenivaramus olevaid andmeid kasutatakse teadustööks ning need uuringud on jätkuvad ja ei ole piiratud käesoleva aja teaduse tasemega. Geenidoonoritel on ka pärast geenidoonoriks hakkamist võimalus igal ajal nõusolek tagasi võtta (Geenidoonoriks saamise nõusoleku vorm punkt 12).
Geenidoonoriks saamise nõusoleku vorm: https://www.riigiteataja.ee/aktilisa/1170/4201/9016/SOM_11042019_m39lisa.pdf#

2. Võrdse kohtlemise printsiip on tagatud sellega, et uuritavate kaasamisel uuringusse ei diskrimineerita neid soo, rahvuse ega muude sotsiaaldemograafiliste tunnuste alusel. Uuringusse kaasatakse kõikide geenidoonorite andmed ja seega võetakse arvesse kõikide uuritavate võimalikke riskitegureid.
3. Mittekahjustamise printsiip
Analüüsitavad andmed pärinevad isikutelt, kes on vabatahtlikkuse alusel hakanud TÜ EGV geenidoonoriks ning kelle andmeid kasutatakse ainult pseudonüümitud kujul. Planeeritav uuring on kooskõlas mittekahjustamise printsiibiga, kuna uuring ei koorma geenidoonoreid ning ei põhjusta riske nende tervisele.
Et uurimistöö viiakse läbi olemasolevate andmete alusel, ei põhjustata uuritavatele võimalikke terviseriske (nt proovide kogumine) ega lisakoormust (nt küsimustike, ankeetide täitmine). Uurimistööks väljastatakse andmeid ainult pseudonüümituna ja tingimusel, et väljastatavaid andmeid on üheaegselt vähemalt viie geenidoonori kohta.
Andmete analüüsimine toimub kõrgtehnoloogiliste seadmetega ja uurimistöösse on kaasatud oma eriala rahvusvaheliselt tunnustatud teadlased. Uurimistöö tulemused avaldatakse ainult analüüside koondstatistikutena, mis ei võimalda uuringus osalejate depseudonüümimist.
4. Heategemise printsiip
Antud uuringust saadav kasu on uuritavatele pigem kaudne, kuna otsene kliinilises praktikas kasutatav kasu võib tekkida alles mitme aasta pärast. Seega saavad antud tööst kasu pigem tulevased patsiendid. Uurimistöö tulemustest on kasu ka tervetel inimestel haiguste ennetamisel.
13 a Inimesed
Abiküsimused
Ei
Jah
Kas uurimisobjektiks on inimesed?

Kõik geenidoonorid on astunud geenidoonoriks vabatahtlikult ning andnud informeeritud nõusoleku, milles muuhulgas annavad nõusoleku oma andmete kasutamiseks teadustöös.
Kas uurimisobjektiks on haavatavad isikud või isikute grupid?

Uuringusse võivad sattuda haavatavate gruppide liikmed, kui nad on geenidoonorid. Meil puuduvad nende haavatavuse kohta rohkem infot kui nende demograafilised ja terviseandmed.
Kas uurimisobjektiks on isikud, kes ei saa ise anda teadlikku nõusolekut uuringus osalemiseks (sh piiratud teovõimega isikud)?
Ei

Kas üheks uurimisobjektiks on alaealised?
Ei, geenidoonoriteks on isikud alates 18. eluaastast.

Kas uurimisobjektiks on patsiendid?

1) Selgitada, missugune haigus/seisund/puue on uuritavatel.

Geenidoonorid ei olnud enamasti värbamise ajal patsiendi staatuses. Kuna nende hulgas on erinevate haigustega isikud, siis EGV andmebaasi täiendamisel teistest registritest võisid andmed pärineda tervishoiuteenuse osutamisega seotud perioodist ning sellel ajal olid geenidoonorid patsiendid.

2) Kirjeldada värbamise, kaasamise ja väljajätmise kriteeriume ning informeeritud nõusoleku saamise protseduuri.

Käesoleva uuringu tarbeks eraldi uusi geenidoonoreid ei värvata.

3) Kirjeldada, mida tehakse juhuleiu juhusliku tulemuse korral ja kuidas informeeritakse sellest uuritavaid.

Juhuleide ei teki. Töötatakse juba kogutud andmetega ning plaani üksikindiviidide andmeid vaadata ei ole. Uuritavatega antud uurimistöö raames ühendust ei võeta.
Kas uurimistöös kogutakse
inimestelt bioloogilisi proove? Kas inimestelt võetud bioloogiliisi proove kavatsetakse eksportida kolmandasse riiki (https://www.aki.ee/isikuandmed/andmetootlejale/isikuandmete-edastamine-valisriiki ) või importida neid teisest riigist Eestisse?
Ei

13 b Isikuandmed ja andmestikud

Ei
Jah
Kas uurimistöö käigus kogutakse või analüüsitakse isikuandmeid, sh eriliiki isikuandmeid?

Jah, uuringus analüüsitakse tervise- ja geeniandmeid.
1) Täpne andmete koosseis, mis on vajalik uuringu läbiviimiseks (võib esitada lisana).
Uuringuprojekti läbiviimiseks kasutame geenidoonorite kohta juba EGV andmebaasis olemasolevaid andmeid, sh isikuandmeid. Lisaks olemasolevatele EGV andmetele liidetakse iga doonori kohta selle olemasolul ka kõik tema elektrokardiogrammid ETP-st. Täpne andmekoosseis on toodud punktis 15.

2) Kinnitada, et informeeritud nõusolek on olemas või saadakse enne uuringu algust, kui uuring põhineb nõusolekul.

Geenivaramuga liitumisel on kõik geenidoonorid allkirjastanud geenidoonoriks saamise nõusoleku vormi.

3) Selgitada, miks on kõik töödeldavad andmed asjakohased ja vajalikud (lähtudes andmete minimeerimise põhimõttest).

Adekvaatse tulemuse saamiseks ei ole mõistlik piirata uuringus osalevate geenidoonorite hulka, vaid kasutada kõikide geenidoonorite andmeid. Vastasel korral võib konkreetsete seoste puhul puudu jääda statistilisest võimsusest.
Küsitud fenotüübilised ja geneetilised andmed on vajalikud optimaalsete ennustusmudelite koostamiseks ning haiguse progresseerumise ja tüsistuste, sh äkksurma ennustamiseks ning haiguste kulu trajektooride kirjeldamiseks. Laiapõhjaliste polügeensete riskiskooride hulk on vajalik, sest varasemad uuringud on näidanud, et ka haiguste riskifaktorite polügeensed riskiskoorid on ennustusvõime tõstmiseks kasulikud.

4) Kas andmesubjektid on tuvastatavad? Kui jah, siis kirjeldada, kuidas on täidetud järgmised tingimused:
a. pärast tuvastamist võimaldavate andmete eemaldamist ei ole andmetöötluse eesmärgid enam saavutatavad või neid oleks ebamõistlikult raske saavutada;
b. teadus- või riikliku statistika tegija hinnangul on selleks ülekaalukas avalik huvi;
c. töödeldavate isikuandmete põhjal ei muudeta andmesubjekti kohustuste mahtu ega kahjustata muul viisil ülemäära andmesubjekti õigusi.

Andmesubjektid ei ole otseselt tuvastatavad.

Kas uurimistöö hõlmab üksikisiku süsteemset jälgimist, tema andmeprofiili kogumist või töödeldakse suures ulatuses eriliiki ja/või tundlikke andmeid või kasutatakse (sekkuvaid) andmete töötlemise meetodeid varjatud viisil (nt elulemuse uuringud, jälgimine, järelevalve, audio ja video salvestamine, geo- positsioneerimine jne) või mistahes andmete töötlemise protsessi, mis võib kahjustab uuritavate õigusi ning vabadust?

1) Selgitada, missuguseid meetodeid kasutatakse uuritavate jälgimiseks, järelevalveks ja vaatlemiseks.

Uuringus uuritakse seoseid geeniandmete ja fenotüüpide vahel, selleks töödeldakse suures mahus eriliiki isikuandmeid. Otseselt üksikisiku andmed uuringus huvi ei paku. Masinõppe lahenduste puhul, kui viiakse läbi ennustamised üksiku andmesubjekti tasemel, toimub nende ennustuste analüüs siiski andmekohordi tasemel, näiteks ennustuse kvaliteedi hindamiseks kasutatakse ROC-graafikuid või visuaalseid punktipilvi, kus iga indiviidi andmed panustavad küll iga konkreetse punkti kujunemisse, kuid üksikisik ise ei oma teadusliku järelduse seisukohalt tähtsust.

2) Selgitada uuritavate profiili loomise meetodeid.

Uuritavate andmete põhjal luuakse riskimudeleid, sh geneetilisi riskimudeleid, mis jagavad uuritavad erinevatesse riskigruppidesse (näiteks vaadeldava rütmihäire esinemise geneetiline risk).

3) Selgitada, kuidas informeeritakse uuritavaid nende õigustest ja võimalikest riskidest, mida andmete töötlemine võib kaasa tuua.

Uuritavaid eraldi ei informeerita. Uuritavad on geenidoonoriks astumisel andnud informeeritud nõusoleku nende andmete kasutamiseks teadusuuringutes. Täiendavat nõusolekut ei võeta.

4) Selgitada, kuidas toimub uuritavate profiili jaoks andmete kogumine ning nende teavitamine võimalikest tagajärgedest ja kaitsemeetmetest.

Uuritavate andmeid eraldi koguma ei hakata, kasutatakse EGV-s juba olemasolevaid andmeid. EGV andmebaasi täiendatakse ETP-st saadud elektrokardiogrammidega.

Kas uurimistöös analüüsitakse eelnevalt kogutud isikuandmeid?

1) Selgitada, missugusest andmebaasist (registrist, andmekogust) või allikast andmed pärinevad

Geenidoonori andmed, sh terviseandmed pärinevad EGV andmebaasist. Nende andmete osas ei tehta uuringu tarbeks spetsiaalseid linkimisi, vaid kasutatakse EGV andmeid, mis on seal juba varasemalt olemas. Spetsiaalselt uuringu tarbeks päritakse ETP-st 12-lülituseline elektrokardiogrammi andmed (DICOM formaadis) EGV andmestikku kuuluvate geenidoonorite kohta.
EGV-st väljastatakse uurimistööks vajalikud andmed ainult pseudonüümituna (IGUS-e § 22, lg (4)).
Andmete väljastamisel järgib EGV kõiki IGUS-sest tulenevaid nõudeid. Andmed antakse kasutamiseks ainult turvalises analüüsikeskkonnas (SAPU).


2) Selgitada, kuidas informeeritakse uuritavaid nende õigustest ja võimalikest riskidest, mida andmete töötlemine võib kaasa tuua.
Uuritavatega ei kontakteeruta ning neid ei informeerita. Uuritavad on andnud laiapõhjalise informeeritud nõusoleku uuringuteks geenidoonoriks astumisel.

3) Selgitada, miks on kõik töödeldavad andmed asjakohased ja vajalikud (lähtudes andmete minimeerimise põhimõttest).
Töödeldavate andmete valikul on lähtutud kliinilisest ekspertteadmisest, teaduskirjandusest ning andmete minimeerimise põhimõtetest. Töös kasutatavad andmed peegeldavad inimese terviseseisundit, võimalikke kõrvalekaldeid ja riskitegureid andes seeläbi olulist sisendit ennustusmudelite täpsuse ja usaldusväärsuse tagamiseks.
Planeeritud põhjaliku ja mitmeetapilise uurimistöö käigus on kavas luua kliiniliselt rakendatavad (pärast vastavaid kliinilisi uuringuid) uudsed ennustusmudelid, mis võimaldaks kombineeritud geneetilise ja kliinilise info põhjal kodade virvendusarütmia, äkksurma ja südamestimulaatori vajaduse teket ennustada ja seega teha paremat ennetust.

4) Selgitada, miks ei ole võimalik uurida uurimisobjekte nii, et saadud andmed oleksid anonüümsed või pseudonüümsed (kui on asjakohane).

Uuringus kasutatavad andmed on pseudonüümitud.
Kas uurimistöös analüüsitakse avalikult kättesaadavaid andmeid?
Ei

Kas kavatsetakse edastada isikuandmeid või võimaldada neile juurdepääs kolmandast riikidest (https://www.aki.ee/isikuandmed/andmetootlejale/isikuandmete-edastamine-valisriiki )?
Ei

Kas uurimistöö lõppedes toimub isikuandmete hävitamine/ anonüümimine?
Ei. Geenidoonorite andmeid hoitakse EGV-s pseudonüümitud kujul tähtajatult (IGUS § 18 lg (1)), kui need ei kuulu geenidoonori soovil hävitamisele.
Projekti lõppedes 31.12.2030 kaotavad uurimismeeskonna liikmed ligipääsu andmete töötlemiseks mõeldud serverile.
Kui ETP-st pärit andmed on projekti lõppemise hetkeks kaasatud EGV andmekoosseisu, siis ETP andmed jäävad EGV andmebaasi alles. Vastasel juhul ETP-st uuringu jaoks väljastatud andmed kustutatakse projekti lõppemisel.

13 c Teised eetilised küsimused
Kas uurimistöö läbiviimine võib kaasa tuua eelpool kirjeldamata eetilisi riske?
Ei

14. Tehisintellekti kasutamise eetiliste aspektide analüüs

vt ka https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai
Abiküsimused
Ei
Jah
Kas uurimistöö läbiviimine hõlmab tehisintellektil põhinevate süsteemide arendamist, juurutamist ja/või kasutamist?

1) Kirjeldada, kuidas tagatakse põhiõiguste ja -vabaduste (nt inimeste autonoomia, privaatsus ja andmekaitse) austamine.
1) Uuringus kasutatakse retrospektiivseid, juba olemasolevaid EKG-andmeid. Geenidoonorite kliinilist käsitlust ega raviotsuseid ei mõjutata AI-mudeli arendamise käigus. Mudel luuakse teadusliku uurimise eesmärgil ning selle võimalik tulevane kliiniline rakendamine nõuab eraldi valideerimist ja eetilist heakskiitu.
2) Kõik uuringus kasutatavad andmed on pseudonüümitud vastavalt isikuandmete kaitse üldmääruse (GDPR) nõuetele.
3) Andmete töötlemine ja säilitamine toimub turvalises uurimiskeskkonnas, kus tagatakse konfidentsiaalsus ning volitamata ligipääsu vältimine (vt pt 10. “Uurimismetoodika” alapeatükk “Andmete hoidmine, töötlemine ja väljastamine”) .
4) Uurimistulemuste avaldamisel ei esitata ühtegi isikut tuvastavat infot.
2) Üksikasjalik selgitus võimalike eetiliste riskide ja riskide vähendamise meetmete kohta:
a) Kavandatava AI-süsteemi/tehnika võimekused, piirangud, riskid ja eelised;
◦ Mudel suudab automaatselt analüüsida suures mahus EKG-andmeid ning tuvastada spetsiifilisi mustreid, mis võivad viidata südame rütmihäiretele
◦ AI-mudeli kasutamine võib kiirendada haiguste varajast avastamist
◦ Mudel treenitakse Eesti populatsiooni andmetel, mistõttu selle üldistamine teistele populatsioonidele võib olla piiratud (vajab välisvalideerimist).
◦ Mudel ei asenda kliinilist ekspertiisi; see on mõeldud toetava vahendina, mitte iseseisvaks diagnostiliseks otsustajaks
◦ Üks risk on, et mudel võib olla liigselt kohandatud treeningandmetele ega pruugi hästi toimida uute andmete puhul.
◦ Selleks, et riske vähendada, hinnatakse mudeli sooritust sõltumatul valideerimisandmestikul. Rakendatakse nii ristvalideerimist kui ka välisvalideerimist, et tagada mudeli üldistatavus.
b) Teave selle kohta, milliseid meetmeid kasutatakse, et vältida algoritmilist kallutatust.
◦ Uuringus kasutatakse andmeid, mis kajastavad Eesti üldpopulatsiooni (sealhulgas erinevaid vanuse-, soo- ja haigusrühmi). See on ka oluline eelis võrreldes eelnevate uuringutega, kus peamiselt on kasutatud kardiovaskulaarse keskuse haigeid.
◦ Mudeli sooritust hinnatakse eraldi erinevates patsientide alarühmades (nt mehed vs naised, nooremad vs vanemad patsiendid), et tuvastada võimalikke erinevusi täpsuses.
▪ Juhul kui tuvastatakse kallutatust, rakendatakse andmete tasakaalustamist (nt üle- või alavalimi meetodeid) või mudelipõhiseid korrigeerimisi.

Käesolev AI-mudeli arendamine järgib Euroopa Komisjoni usaldusväärsete tehisintellekti süsteemide eetilisi juhiseid, tehisintellekti määrust ning Eesti Vabariigi andmekaitse- ja uurimiseetika nõudeid.
Kas tehisintellektil põhinev süsteem võib potentsiaalselt inimesi stigmatiseerida või diskrimineerida?

Üldiselt mitte, ainuke kallutav diskrimineeriv asjaolu tuleneb andmebaaside endi ebavõrdsest vanuse-, soo-, etnilise või haigusgruppide alasest jaotuvusest.
Kas tehisintellekt mõjutab, suunab või asendab inimest otsustusprotsessis?

1) Kirjeldada meetmeid, kuidas inimesed säilitavad kontrolli otsustusprotsessi üle.
1) Kavandatava tehisintellekti tööriista peamiseks rolliks on tuvastada isikud, kellel on kõrgem risk haiguse tekkeks. Loodava AI-mudeli peamiseks funktsiooniks on toimida kui abivahend, mis võimaldab varakult näha seda, mis inimsilmale nähtav ei pruugi olla. Ühtegi otsest raviotsust AI-EKG riskiskoori alusel ei sünni. Projekti raames välja töötatavaid mudeleid ei rakendata patsientidel vaid on sisendiks jätku-uuringule.
2) Kirjeldada, kuidas selgitakse tehisintellekti rolli mõjutatud isikutele.
Uuringu raames uuritavate isikutega kontakti ei võeta ja loodud mudeleid patsientidel ei rakendata. Lisaks uuringutulemuste publitseerimisele korraldatakse tulemuste abil ka populaarteaduslik Webinar, selgitamaks uuringu tulemusi, ent ka (tehisintellekti) puuduseid.
Kas tehisintellekti rakendamine võib põhjustada negatiivseid tagajärgi ühiskonnale ja/või keskkonnale?
EI
1) Põhjendada tehnoloogia arendamise/kasutamise vajadust.

Tehisintellektil põhineva riskimudeli väljatöötamine võimaldab varast haiguse avastamist populatsioonis, kus varane ravi võib oluliselt parandada ravitulemusi, ent kus sageli puuduvad patsientidel sümptomid. Tegu on Eesti kardioloogide poolt algatatud projektiga, mille ajend tuleneb kliinilisest vajadusest.

Automatiseeritud analüüs võimaldab säästa arstide aega, tervishoiu ressursse, sest tuvastab varakult isikud, kes vajavad suuremat tähelepanu. Varane ravi suudab vältida haiguse tagajärgi ning nendele kuluvat ressurssi.

2) Kirjeldada meetmeid võimalike negatiivsete mõjude leevendamiseks teadusuuringu, arenduse, kasutuselevõtu ja kasutuselevõtujärgses faasis.

Andmekogumine: Kasutatakse ainult pseudonüümitud retrospektiivseid andmeid, vältides üleliigset andmekogumist ja tagades andmete minimaalse säilitustaseme.
Energiatõhusus: Valitakse madala energiatarbega mudeli arhitektuurid ja treeningprotsessid, optimeeritakse GPU/TPU arvu ning kasutust, et vähendada süsiniku jalajälge.
Juurdepääsu kontroll: Tagatakse, et AI-tööriist on kättesaadav ainult kvalifitseeritud tervishoiutöötajatele (peale kliiniliste uuringute teostamist), vältides ebaõiget või liigset kasutust.
15. Täita, kui uuring põhineb andmekogu ja/või andmeallika andmetel.
Andmekogu ja/või andmeallika nimetus Eesti Geenivaramu ja Eesti Tervishoiu Pildipank
Isikuandmete töötlemise eesmärk Teadusuuring
Andmekoosseis ja periood, mille kohta andmed kogutakse (vajadusel lisana)
Andmed EGV-st:
Uuringu andmekoosseisu moodustavad kõikide (k.a surnud isikud) geenidoonorite andmed (ka uuringuperioodil lisandunud). Andmeid soovitakse üle kõikide olemasolevate ajapunktide, kui see on relevantne. Uuringusse ei kaasata geenidoonoreid, kes on keelanud oma andmete täiendamise teistest andmebaasidest.
Uuringus kasutatakse järgmisi EGV-s olemasolevaid andmeid:
1. Doonori demograafilised andmed: sünniaasta, sugu, haridus, elukoht maakonna tasemel, surma kuupäev, EGV-ga liitumise kuupäev Doonori kõik haigused: RHK-koodid ja nimetused koos kuupäevaga, info kirje allika kohta (ambulatoorne epikriis, statsionaarne epikriis, raviarve, retsept vms)
2. Doonori kõik ravimid ja retseptid (allikas, RHK-kood, nii välja kirjutatud kui välja ostetud ravimi kohta: kuupäev, ATC kood, kogus, pakendite arv, ravimi pakendi kood, annustamise info)
3. Doonorile tehtud meditsiinilised protseduurid, operatsioonid (Tervisekassa teenusekood, NOMESCO (NCSP) kood (olemasolu korral muud koodid), kuupäev)
4. Doonori laborianalüüside vastused (info kirje allika kohta, kuupäev, LOINC kood, analüüt, mõõteväärtus, ühik, referentsvahemik), sh NMR andmestik.
5. Doonori ambulatoorsete ja statsionaarsete raviepisoodide üldinfo (info kirje allika kohta, aeg, liik)
6. Doonori üldiste tervise ja elustiiliga seotud mõõtmiste info kõikidest EGV-s olevatest allikatest üle kõikide ajapunktide: kehakaal, pikkus, kehamassiindeks,vööümbermõõt, kas suitsetamise ja alkoholitarbimise andmed, vererõhuga väärtused (kõik koos kuupäevadega)
7. EGVs olemasolevad polügeensed riskiskoorid, mis on arvutatud polügeense riskiskoori kataloogi alusel ning EGVs arendatud ja uuringu perioodi jooksul arendatavad riskiskoorid.
Andmed ETP-st:
1. Kõik doonorite 12-lülituseline elektrokardiogrammid DICOM waveform formaadis alates sünnist. EKG-d liidetakse EGV andmestikuga käesoleva uuringu raames.


16. Isikuandmete kaitse meetmete kirjeldus, sealhulgas andmete hoidmise, säilitamise, turvalisuse ja kustutamise kohta, sh andmete ja/või koodivõtme kustutamise kuupäev (kuni 1800 tähemärki, 1 lk).
Kirjeldada ja põhjendada uuringu vajaduseks kogutud andmete säilitamist ja tähtaega.
Uuringu lõppedes kaotavad uurimismeeskonna liikmed ligipääsu andmete töötlemiseks mõeldud serverile. Andmed arhiveeritakse üheks aastaks pärast projekti lõppemist Eesti Teadusarvutuste infrastruktuuri poolt krüpteeritud kujul SAPU keskkonnas. Andmetele võimaldatakse ligipääs vastutava uurija kinnitusel vaid põhjendatud juhtudel, näiteks retsenseerimisele saadetud teadusartiklite retsensioonidele vastamiseks. Kõik arhiveeritud andmetega tehtud toimingud logitakse kasutaja tasandil. Pärast uuringu lõppu säilitatakse vaid agregeeritud kujul andmed, mis on vajalikud teaduspublikatsioonide või riskiskooride valiidsuse tõestamiseks.

Kirjeldada isikuandmete pseudonüümimise protsessi ja vahendeid.
Geenidoonorite andmed on pseudonüümitud juba geenivaramuga liitumisel
Kas kavatsetakse geenidoonorite isikuandmeid depseudonüümida?
Antud uuringu läbiviimisel toimub geenidoonorite andmete depseudonüümimine, mis on vajalik andmete linkimiseks ETP-ga. Depseudonüümimine toimub EGV protseduurireeglite alusel, et tagada geenidoonorite isikuandmete turvalisus. Isikuandmed väljastatakse ETP-le eelnevalt kokku lepitud kanaleid ja turvameetmeid kasutades. Kuna see on EGV jaoks esmakordne andmevahetus ETP-ga, pole praegu andmete transportimise meetodeid kokku lepitud. EGV-l on aga aastatepikkune kogemus teistest andmebaasidest andmete saamiseks.
ETP-st saadud andmed integreeritakse EGV andmestikesse.
Geenidoonorite andmete depseudonüümimise seaduslik alus tuleneb Inimgeeniuuringute seaduse § 24-st, mille lõike 2 punkti 3 kohaselt on geenidoonorite andmete depseudonüümimine lubatud terviseseisundi kirjelduse uuendamiseks, täiendamiseks või kontrollimiseks ilma geenidoonoriga ühendust võtmata, kui geenidoonor ei ole keelanud tema terviseseisundi kirjelduse täiendamist, uuendamist või kontrollimist.
Geenidoonoreid on informeeritud, et nende andmeid või EGV täiendada teistest andmekogudest ja geenidoonoril on õigus see keelata tehes vastava valiku nõusoleku vormil.

Kas toimub isikuandmete transportimine ning kirjeldada, kuidas on tagatud andmete turvalisus.
Andmed edastatakse uuringumeeskonnale Tartu Ülikooli teadusarvutuskeskuse kaudu. Detailne info Eesti Teadisarvutuste infrastruktuuri kohta on leitav aadressil https://etais.ee/ ja lisainfo sensitiivsete andmete privaatse uurimiskeskkonna (SAPU) koht on leitav aadressil https://docs.hpc.ut.ee/public/services/SAPU/ (inglise keeles). Geenivaramu valmistab ette väljastuspaketi ning paigutab selle turvalisse teadusarvutuskeskuse pilve. Uuringumeeskond töötleb andmeid Teadusarvutuskeskusesse paigaldatud spetsiaalses ainult uuringumeeskonnale kättesaadavas uurimisserveris.
Kirjeldada, kuidas on andmed kaitstud loata või ebaseadusliku töötlemise eest.
Peame tähtsaks loodava andmestiku infoturbelist kaitset, mis nõuab kõrget ekspertiisi ja tehnilisi lahendusi, et välistada andmete hoidmine juhuslikes ebaühtlase andmekaitsega arvutites. Koostöös Eesti Teadusarvutuste infrastruktuuriga (https://etais.ee) paigutab uurimisgrupp loodava andmestiku turvalisse andmeanalüüsi serverisüsteemi (andmepuuri) SAPU (https://sapu.cs.ut.ee). Andmete hoidmisega SAPU-s väheneb oluliselt andmelekke risk rakendades andmete eksportimisele ranged piirangud ning logides kõiki andmetega tehtavaid tegevusi kasutaja tasandil kogu andmete säilitamise ja arhiveerimise perioodil. Soovi korral tagatakse andmeandjatele ligipääs logidele.
SAPU serverist väljastatakse andmeid ainult vastutava uurija nõusolekul ja agregeeritud kujul nii, et on tagatud k ≥ 5 anonüümsus. SAPU serveris olevatele andmetele on ligipääs ainult käesolevas taotluses toodud uurijatel. Uurimisgrupp tagab, et andmetele ligipääs on vastavuses kehtiva seadusandlusega. Täiendavate uurimisküsimuste tekkimisel või uurimismeeskonna liikmete lisandumisel küsitakse Eesti bioeetika ja inimuuringute nõukogult ja/või andmeandjatelt vastav kooskõlastus.
Kinnitan, et kõik uuringu läbiviijad on teadlikud projekti läbiviimisega kaasnevatest eetilistest ja isikuandmete kaitsega kaasnevatest nõuetest.

Vastutava uurija allkiri
/digiallkiri/
S. Heinsar
Taotluse esitamise kuupäev
18.11.2025


Taotluse EBIN ID
(täidab hindaja)


Lisadokumentide loetelu:
1. Vastutava uurija CV: https://www.etis.ee/CV/Silver_Heinsar/est/