UURINGU EETILISE HINDAMISE TAOTLUS EESTI BIOEETIKA JA INIMUURINGUTE NÕUKOGULE
Taotlusele 06.05.2024 lisatud täiendused on märgitud kollase värviga.
1. UURIMISTÖÖ ANDMED
Uurimistöö täielik nimetus: TEHISINTELLEKTI KASUTAMISE VÕIMALUSED MEDITSIINIS
Uurimistöö toimumiskoht: Narva mnt 18, Tartu (Tartu Ülikool, arvutiteaduse instituut)
2. UURIMISTÖÖ TEOSTAJAD JA UURINGUKESKUSED
2.1. Vastutav uurija
ees- ja perekonnanimi: Jaak Vilo
teaduslik kraad: PhD
amet: bioinformaatika professor
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
telefoninumber: +372 5049365
e-post:
[email protected]
allkiri: allkirjastatud digitaalselt
ees- ja perekonnanimi: Sven Laur
teaduslik kraad: PhD
amet: kaasprofessor
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
telefoninumber: +372 5309 0584
e-post:
[email protected]
allkiri: allkirjastatud digitaalselt
2.2. Kaastöötajad
ees- ja perekonnanimi: Sulev Reisberg
amet: terviseinformaatika teadur
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
telefoninumber:+372 5248123
e-post:
[email protected]
ees- ja perekonnanimi: Raivo Kolde
amet: terviseinformaatika kaasprofessor
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
telefoninumber:+372 506 7961
e-post:
[email protected]
ees- ja perekonnanimi: Harry-Anton Talvik
amet: terviseinformaatika nooremteadur (juhendaja Sulev Reisberg)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Marek Oja
amet: terviseinformaatika teadur
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
telefoninumber:+372 58002684
e-post:
[email protected]
ees- ja perekonnanimi: Sirli Tamm
amet: programmeerija (juhendaja Marek Oja)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Kerli Mooses
amet: terviseinformaatika teadur
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Valerija Jerina
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Sven Laur)
e-post:
[email protected]
ees- ja perekonnanimi: Markus Haug
amet: terviseinformaatika nooremteadur (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Marcus Lõo
amet: matemaatika nooremteadur (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, matemaatika ja statistika instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Maarja Pajusalu
amet: terviseinformaatika nooremteadur (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Marianna Laht
amet: Tartu Ülikooli personaalmeditsiini spetsialist (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Ida Maria Orula
amet: terviseinformaatika nooremteadur (juhendaja Sulev Reisberg)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Elena Sügis
amet: terviseinformaatika teadur
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Kaire Koljal
amet: programmeerija (juhendaja Sven Laur)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Hendrik Šuvalov
amet: terviseinformaatika nooremteadur (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Egert Vinogradov
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
e-post:
[email protected]
ees- ja perekonnanimi: Grete Mägi
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
e-post:
[email protected]
ees- ja perekonnanimi: Õie Renata Siimon
amet: terviseinformaatika nooremteadur (juhendaja Raivo Kolde)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Kairi Käiro
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
ees- ja perekonnanimi: Päivi Ojala
amet: Tartu Ülikooli magistrant (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Taavi Tillmann
amet: Tartu Ülikooli rahvatervishoiu kaasprofessor
ees- ja perekonnanimi: Laura Ilves
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
ees- ja perekonnanimi: Eve-Maarja Mänd
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Angela Kannukene
amet: Tartu Ülikooli nooremteadur (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Kati Koido
amet: Tartu Ülikooli kaasprofessor (juhendaja Kerli Mooses)
ees- ja perekonnanimi: Birgitt Majas
amet: Tartu Ülikooli magistrant (juhendaja Markus Haug)
ees- ja perekonnanimi: Kunnar Kukk
amet: terviseinformaatika nooremteadur (juhendaja Sulev Reisberg)
töökoht: Tartu Ülikool, arvutiteaduse instituut
töökoha aadress: Narva mnt 18, Tartu
e-post:
[email protected]
ees- ja perekonnanimi: Telver Objärtel
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Kermo Saarse
amet: Tartu Ülikooli magistrant (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Oliver-Erik Suik
amet: Tartu Ülikooli magistrant (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Belinda Lepmets
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Robin Piir
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Õie Renata Siimon)
perekonnanimi: Andres Püss
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Õie Renata Siimon)
ees- ja perekonnanimi: Kristiina Miller
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
ees- ja perekonnanimi: Fedor Stomakhin
amet: Tartu Ülikooli magistrant (juhendaja Sven Laur)
ees- ja perekonnanimi: Grete Kelli Aava
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Markus Haug)
ees- ja perekonnanimi: Helene Loorents
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Anett Sandberg
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Teele Kuri
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Margus Lehtme
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Mihhail Sokolov
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Hanna Keidong
amet: Tartu Ülikooli spetsialist (juhendaja Kerli Mooses)
ees- ja perekonnanimi: Nikita Umov
amet: rahvatervishoiu nooremteadur (juhendaja Taavi Tillmann)
töökoht: Tartu Ülikool, Tartu Ülikooli peremeditsiini ja rahvatervishoiu instituut
e-post:
[email protected]
ees- ja perekonnanimi: Ave Põld
amet: rahvatervishoiu nooremteadur (juhendaja Mikk Jürisson)
töökoht: Tartu Ülikool, Tartu Ülikooli peremeditsiini ja rahvatervishoiu instituut
e-post:
[email protected]
ees- ja perekonnanimi: Ami Sild
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Margus Lehtme
amet: Tartu Ülikooli magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Andra Bluum
amet: Tartu Ülikooli bakalaureusetudeng (juhendaja Sven Laur)
ees- ja perekonnanimi: Annika Talvet
amet: Tartu Ülikooli magistrant (juhendaja Sven Laur)
ees- ja perekonnanimi: Kristel Agu
amet: Tartu Ülikooli magistrant (juhendaja Sulev Reisberg)
ees- ja perekonnanimi: Kai Tiitsaar
amet: Tartu Ülikooli magistrant (juhendaja Marek Oja)
ees- ja perekonnanimi: Stella Lelov
amet: Tartu Ülikooli rahvatervise magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Helen Reimand
amet: Tartu Ülikooli rahvatervise magistrant (juhendaja Raivo Kolde)
ees- ja perekonnanimi: Neeme Ilves
amet: kliiniline spetsialist (juhendaja Raivo Kolde)
Lisaks on plaanis Tartu Ülikooli lõputööde kirjutamiseks kaasata meeskonda Tartu Ülikooli tudengeid (magistrandid ja doktorandid).
2.3.Vastutava uurija asutuse juhataja või tema kohusetäitja
on uurimistöö korraldamisega nõus:
ees- ja perekonnanimi: Leho Ainsaar
amet: Dekaan, TÜ Loodus- ja Täppisteaduste valdkond.
töökoht: Tartu Ülikool
töökoha aadress: Vanemuise 46, Tartu
allkiri: allkirjastatud digitaalselt
3. UURIMISTÖÖ FINANTSEERIMINE
Allikas: RITA1/02-96 projekt „Tehisintellekti kasutamise võimalused e-valitsemises“ (teenusleping nr 7.2-2/19/11)
Uurimistöö üldmaksumus, sh töötasude jaotus uuringu teostajatele (kellele ja millises ulatuses): 242160 eurot. Töötasude planeeritud jaotus:
Tartu Ülikool
STACC
Cybernetica
Vastutavad uurijad
13 300
36 000
15 000
Kaastöötajad
56 700
39 000
10 000
Kaudsed kulud
13 650
11 250
6 900
Käibemaks
16 730
17 250
6 380
KOKKU
100 380
103 500
38 280
4. KAVANDATAVA UURIMISTÖÖ TEADUSLIK EESMÄRK JA PÕHJENDUS
Eesti avalik sektor on keskmisest väiksem, kuid selle koormus on kõrge, sest riigi ja kohalike omavalitsuste pakutavad teenused peavad olema samaväärsed. Praegu pole teenuste pakkumine Eestis optimaalselt korraldatud. Teenuste kvaliteedi parandamiseks ametnike arvu suurendamata on üks võimalus rakendada tehisintellekti ehk krattide võimalusi.
Kratte juba kasutatud avalikus sektoris lihtsamate protsesside automatiseerimisel. See on aidanud tõsta teenuste kvaliteeti ja vähendada bürokraatiat. Taustal toimivaks riigiks on aga vaja muuta ka keerulisemaid protsesse. Järgmise sammuna nähaksegi vajadust põhjalikult uurida ja rakendada kratte ka keerulisemates otsustusprotsessides1.
Selleks, et viia e-riigi areng uuele tasemele – taustal toimivaks, sündmuspõhiseks ja teadmuspõhistest otsustest lähtuvaks, korraldas Eesti Teadusagentuur (ETAG) 2019. a kevadel välja konkursi uuringu „Tehisintellekti kasutamise võimalused e-valitsemises“ läbiviimiseks, mille lähteülesande pani kokku Majandus- ja Kommunikatsiooniministeerium ning Riigikantselei2. Uuringu eesmärk on analüüsida tehisintellekti rakendatavust avaliku sektori asutustes otsuste automatiseerimiseks. Vaatluse all on ka praegused kitsaskohad avalikus sektoris. Loodud tehisintellekti lahendused tuleb uuringu läbiviijal piloteerida ja valideerida.
Konkursi võitis konsortsium, millesse kuuluvad Tartu Ülikool, Tallinna Tehnikaülikool, Cybernetica AS ja STACC OÜ. Konsortsiumi eesmärk on luua avaliku sektori andmetel põhinevate teenuste prototüübid ja need rakendada, et hinnata kasu ning kaardistada piirangud. Konsortsium piloteerib masinõppe võimalusi neljas valdkonnas: tööturg, päästeamet, meditsiin, küberkaitse.
Käesolev uuring käsitleb tehisintellekti võimaluste rakendamist meditsiinis. Eestis on võrdlemisi heal tasemel riiklikud terviseandmeid sisaldavad andmekogud (raviarved, digiretsept, tervise infosüsteem, terviseregistrid jne), kuid nende omavaheline ühendamine, mis tehisintellekti rakendamiseks pakuks kõige efektiivsemaid võimalusi, on seni olnud komplitseeritud – seda tehniliselt, aga ka õiguslikust vaatepunktist. Esiteks on andmekogud erineva struktuuri ja ülesehitusega. Teiseks, mitmed elektroonsed tervisedokumendid (nt Digiloos) sisaldavad lisaks struktureeritud infole ka vabatekstilisi andmeid, mille analüüs nõuab suurt käsitööd. Seetõttu on patsiendi terviseseisundist tervikliku ülevaate saamine komplitseeritud ning nende andmete masinõppeline analüüs äärmiselt keeruline. Käesoleva uuringu raames demonstreeritakse Eesti riigiasutustele (majandus- ja kommunikatsiooniministeerium, sotsiaalministeerium, Eesti Haigekassa, Tervise- ja Heaolu Infosüsteemide Keskus), milliseid masinõppelisi lahendusi meditsiiniliste andmekogude ühendatud uurimiseks on olemas ja millist kasu nende rakendamiseks võiks patsient ja Eesti riik tervikuna sellest saada.
Täpsemalt, uuringus lingitakse (ühendatakse) eri meditsiinilistest andmekogudest pärit pseudonüümitud info ja viiakse ühtsele rahvusvaheliselt tunnustatud OHDSI OMOP andmekujule3, rakendatakse erinevaid andmeanalüüsi, s.h masinõppe, tehisintellekti ja privaatsust säilitavaid metoodikaid, ning demonstreeritakse ning analüüsitakse nende metoodikate rakendatavust ja rakendamisest saadavat kasu. Uuringu üheks osaks on ka õigusruumi analüüs – kas selliste lahenduste rakendamine igapäevatöösse nõuaks õigusruumi muudatusi. Täpsem uuringu metoodika on kirjeldatud ptk 7.
Uuringu meeskonnal on pikaaegne teadustöö kogemus selles vallas. Tartu Ülikool on osalenud/osaleb mitmes Euroopa Liidu projektis (IMI EMIF, IMI2 EHDEN), mille sisuks on OMOP andmekuju rakendamine Euroopa terviseandmetel. Tartu Ülikoolis õpetatakse andmeteadust, masinõppe- ja tehisintellektitehnoloogiaid. STACC OÜ omab pikaaegset terviseandmete analüütika kogemust – nad on Eestis analüüsinud teadaolevalt kõige suuremas mahus Digiloo andmeid (Reisberg 2013; Reisberg 2019), samuti Haigekassa raviarvete andmeid (Tamm; Liivlaid 2018; Liivlaid 2019). STACC OÜ on omandanud 2019. a detsembris ka EHDEN sertifikaadi selle kohta, et nad oskavad teostada andmete kvaliteetset teisendamist OMOP andmekujule4. Cybernetica AS omab pikaaegset kogemust privaatsust säilitavate metoodikate ja lahenduste arenduse ja publitseerimise vallas.
Kavandatava uuringu eesmärgid ühtivad RITA1/02-96 ja Eesti nutika spetsialiseerumise projekti eesmärkidega, samuti Eesti teadus- ja arendustegevuse ning innovatsiooni strateegiaga 2014-2020 „Teadmistepõhine Eesti“5 ning Eesti digitaalse agendaga 20206.
Viited:
Reisberg, Sulev (2019). Developing computational solutions for personalized medicine. (Doktoritöö, Tartu Ülikool). Tartu: Tartu Ülikooli Kirjastus.
Reisberg, S; Sirel, R; Kalda, R; Merzin, M; Pruulmann, J; Vilo, J (2013). Elektrooniliste terviselugude analüüsimise võimalused Tartu perearstide infosüsteemi näitel. Eesti Arst, 92 (8), 452−459.
Liivlaid, Hedi; Eigo, Natalja; Reisberg, Sulev (2019). Eriarstiabi haigestumusstatistika võrdlus Tervise Arengu Instituudi ja Eesti Haigekassa andmetel. Eesti Arst, 1, 17−26.
Sirli Tamm, magistrikraad, 2019, (juh) Marek Oja; Sulev Reisberg, Eesti eelkooliealiste laste terviseseisund ja tervisekäitumine sünnist kuni 7aastaseks saamiseni 2010. aasta sünnikohordi põhjal Eesti Haigekassa raviarvete alusel, Tartu Ülikool, Loodus- ja täppisteaduste valdkond, arvutiteaduse instituut.
Hedi Liivlaid, magistrikraad, 2018, (juh) Sulev Reisberg; Natalja Jedomskihh-Eigo, Eriarstiabi haigestumusstatistika võrdlus Tervise Arengu Instituudi ja Eesti Haigekassa andmestikes, Tartu Ülikool, Loodus- ja täppisteaduste valdkond, arvutiteaduse instituut.
5. UURIMISTÖÖ TEOSTAMISE AEG
Veebruar 2020-juuni 2025
6. LOODAVA ANDMEBAASI STRUKTUURI KIRJELDUS
Uuringus kasutatakse 10% juhuvalimi kohta (vt täpsemalt ptk 7) järgmisi andmeid:
1. Eesti Haigekassa raviarved:
a. Raviarve number (id)
b. Patsiendi pseudonüüm
c. Patsiendi sünniaasta
d. Patsiendi sugu
e. TTO registrikood
f. Haigla liigi tunnus (kood)
g. Arve esitanud arsti eriala
h. Arve alustatud (raviarve alguskuupäev)
i. Arve lõpetatud (raviarve lõpukuupäev)
j. Põhieriala kood
k. Järgarve (jah/ei)
l. Ravitüüp
m. Raviarve lõpetamise põhjuse kood
n. Arve diagnoosid:
i. Diagnoosi kood ja nimetus RHK-10 järgi
ii. Diagnoosi tunnus
o. Teenused:
i. Tervishoiuteenuse kood ja nimetus
ii. Hulk
iii. Hulk2
iv. Kordi
v. Kogus
vi. Teenuse osutamise kuupäev
vii. Material group ehk teenusgrupi kood ja nimetus
viii. Arve rea järjekorranumber
p. Protseduurid:
i. NCSP kood ja nimetus
ii. Protseduuri kuupäev
iii. Protseduuri rea järjekorranumber
2. Eesti Haigekassa digiretseptid:
a. isiku pseudonüüm
b. Retsepti üldandmed (number, koostamise aeg, kehtivuse aeg, liik)
c. Patsient (pseudonüüm, sünniaasta)
d. Arsti eriala kood
e. TTO info
f. Ravi info (kõik väljad)
g. Väljastaja info (müümise aeg, apteegi kood)
3. TEHIK Digilugu CDA-dokumendid (epikriisid, saatekirjad, saatekirja vastused):
a. Dokumendi üldandmed (haigusjuhtumi liik, dokumendi tüüp, number, versioon, kuupäev)
b. Tervishoiuasutus
c. Koostaja eriala
d. Patsiendi pseudonüüm, sünniaasta, sugu
e. Haigusjuhtum
f. Surm
g. Lõplik kliiniline diagnoos
h. Kliiniline diagnoos
i. Anamnees
j. Ravimid
k. Ravisoovitused
l. Allergia
m. Objektiivne leid
n. Uuringud ja protseduurid, operatsioonid, analüüsid
o. Immuniseerimine
p. Kõrvalnähud
q. Kokkuvõte patsiendi ravist
r. Seisund väljakirjutamisel
s. Vastuvõtule pöördumise aeg
t. Dokumendi koostamise kuupäev
u. Vastutaja asutuse nimi ja kood
4. Uuringu käigus teisendatakse ülalloetletud andmed OMOP andmekujule (kirjeldatud siin: https://github.com/OHDSI/CommonDataModel/wiki/Standardized-Clinical-Data-Tables), sama patsiendi andmed on patsiendi pseudonüümi kaudu lingitavad.
7. METOODIKA (VALIMI KIRJELDUS)
Uuring koosneb kahest osast:
1. Analüüsitavate terviseandmete teisendamine OMOP andmekujule ja selle protsessi automatiseerimise võimaluste uurimine. Selleks kasutatakse olemasolevaid teisendustööriistu White Rabbit ja Rabbit In a Hat (https://github.com/OHDSI/WhiteRabbit) ja OMOP sõnastikke, samuti arendatakse ise välja masinõppel põhinevaid tööriistu.
2. OMOP kujul andmete automaatsel analüüsil põhinevate ja privaatsust säilitavaid meetodeid kasutavate otsustustugede võimekuse uuring, käsitledes järgmisi patsiendi ravi kvaliteediga seotud küsimusi:
a. Kuidas jälgitakse Haigekassa poolt ja Eesti Perearstide Seltsi poolt publitseeritud ravijuhiseid (https://www.ravijuhend.ee/tervishoiuvarav/juhendid)? Selleks võrreldakse ravijuhistes nimetatud tegevusi tegelike terviseandmetega.
b. Kuidas jälgitakse ravimite kasutamisel ravimite infolehtedel toodud riski minimeerimise juhiseid? Ca 200 ravimil on infolehel kirjas, et ravimi tarvitamisel on vajalikud regulaarsed maksanäitajate kontrollid. Ravimite väljakirjutamine on kirjas Digiretsepti andmetes, aga raviarvete alusel saaks hinnata, kas ka vastavad kontrollid on tehtud. Et andmete kokkupanek on keerukas, ei ole seda seni olnud võimalik automaatselt jälgida ja seni on seda teadaolevalt uuritud üldse Eestis vaid ühes uuringus ühele ravimile (Kurvits) . Käesolevas uuringus analüüsitakse selliste analüüside automatiseerimisvõimalusi.
c. Kas terviseandmetest on võimalik automaatselt tuvastada ravimite kõrvaltoimeid? Kõrvaltoimed on Eestis alaraporteeritud - ühelt poolt, kuna see on arstile tülikas, teiselt poolt aga võib olla seotud ka arstide hirmudega. Samas on kõrvaltoimete tuvastamine andmete teisesel analüüsil väga oluline ja on seotud ka ravimite ohutusega. Samas, infot kõrvalmõjude kohta võib leida tervisedokumentide diagnoosikoodidest, allergia blokist, samuti vabatekstilistest osadest ning neid võib kinnitada nt kaasuv ravimi vahetus. Seetõttu rakendatakse käesolevas uuringus andmetel erinevaid masinõppelisi mudeleid, et kõrvaltoimeid automaatselt tuvastada.
d. OMOP kujul andmetel tehtud rahvusvaheliste uuringute replitseerimine. Universaalne andmekuju loob unikaalse võimaluse replitseerida mujal läbi viidud uuringuid, kasutades nendes uuringutes kasutatud (publitseeritud) arvutusalgoritme ning hinnata nende valiidsust/rakendatavust eesti populatsioonis. Käesolevas uuringus plaanitakse replitseerida hiljutist suuremahulist OMOP kujul andmetel tehtud uuringut, kus uuriti erinevate vererõhuravimite efektiivsust (Suhard).
e. Võimalusel ka muud küsimused, mille tehisintellektiga lahendamine võiksid potentsiaalselt Eestile avalikule sektorile kasu tuua
Uurimiseks on vajalik järgmine andmestik:
• 10% juhuvalim (isikukoodi kontrollnumbri põhjal)
• Valimi kohta kõik peatükis 6 nimetatud andmeväljad ajavahemikust 2012-2019
Uurimistöö tulemused tehakse kättesaadavaks ptk 4 nimetatud asutustele, samuti on plaanitud neid avaldada Tartu Ülikooli lõputööde, teaduspublikatsioonidena. Kõik avaldatud tulemused on statistilist laadi (üksikindiviidi tasemel tulemusi ei avaldata). Uurimistöö tulemusena tekkivaid mudeleid (ei sisalda andmeid) on perspektiivis võimalik hiljem juurutada Eesti riigi tasemel automatiseeritud krattidena.
Viited:
Kurvits K, Uusküla M, Laius O. Agomelatiinraviga seotud riskivähendamise meetmed praktikas. Eesti Arst. 2016 Nov 25;95(10):687-9.
Suchard MA, Schuemie MJ, Krumholz HM, You SC, Chen R, Pratt N, Reich CG, Duke J, Madigan D, Hripcsak G, Ryan PB. Comprehensive comparative effectiveness and safety of first-line antihypertensive drug classes: a systematic, multinational, large-scale analysis. The Lancet. 2019 Nov 16;394(10211):1816-26.
8. UURIMISTÖÖS KOGUTAVATE ISIKUANDMETE KAITSE KIRJELDUS
Andmete Haigekassast väljastamise protseduur
• Andmete väljastamisel järgivad Haigekassa ja TEHIK kõiki seadusest tulenevaid nõudeid.
• Väljastuse eelduseks on TÜ eetikakomitee luba
• Väljastatakse vaid eetikakomitee taotluses nimetatud andmed
• Väljastatakse 10% juhuvalim, mis määratakse nõnda: valimisse kuuluvad isikud, kelle isikukoodi viimane number ehk kontrollnumber on 5.
• Isikuandmeid uurimismeeskonnale ei väljastata. Isikuandmed (isikukoodid, täpsed sünniajad) eemaldatakse ja asendatakse pseudonüümiga, et sama isikuga seotud andmeid oleks võimalik uuringugrupil omavahel kokku viia. Asendamine toimub Haigekassa ja TEHIK poolt enne andmete uurimismeeskonnale edastamist. Selleks lepivad Haigekassa ja TEHIK omavahel kokku isikukoodil põhineva salajase pseudonüümimisvõtme, mis on tagasipööramatu ja pärast pseudonüümimist hävitatakse. Nii puudub võimalus uurimistöös kasutatavaid andmeid uuesti isikustada (tagasi kodeerida).
• Haigekassa ja TEHIK pseudonüümivad ja edastavad uurimisgrupile pseudonüümitud andmed teineteisest sõltumatult
• Nii Haigekassa kui TEHIK koostavad väljastamisprotokolli, kuhu märgitakse väljastatud andmed ning üleandmise viis ja kuupäev
Uurimistöö teostaja kohustused andmete töötlemisel
• Uurimistöö läbiviija on kohustatud järgima kõiki seadusest tulenevaid ja väljastamise korralduses toodud andmekaitse põhimõtteid.
• Uurimistöö teostaja kasutab andmeid ainult uurimistöö eesmärkidel ja ulatuses
• Uurimistöö teostaja garanteerib andmete konfidentsiaalsuse.
• Uurimistöö teostaja hävitab andmed peale uurimistöö valmimist või väljastamise korralduses toodud andmete kasutamise tähtpäeva saabumisel.
Andmeid hoitakse TÜ Teaduspilves, ning ei ole selle raames kättesaadavad kõrvalistele isikutele. TÜ Teaduspilv on läbinud ISKE auditi 12.2017 ja vastab ISKE M taseme nõuetele (turvaklass T1K1S2). Eriti tundlike andmete puhul kasutatakse ka täiendavaid turvameetmeid - andmete krüpteerimist ja protsesside pidevat monitooringut. Kõik meeskonnaliikmed on allkirjastanud konfidentsiaalsuslepingu ja informeeritud andmetele kohanduvatest andmekaitse nõuetest.
Nagu eespool mainitud, tehakse igale uurijale kättesaadavaks andmed vastavalt minimaalsuse printsiibile ehk ainult sellele lõigule, mis konkreetselt tema tööks vajalik on. Nii välditakse olukordi, et kõik uurijad pääseks ligi kõikidele andmetele. Andmete täpse koosseisu otsustab projekti juht kaasates selleks asutuste vastutavaid esindajaid (Vilo, Reisberg, Laur) ning serverite administraatoreid TÜ teadusarvutuste keskusest.
9. TEAVE SAMA PROJEKTI VARASEMATEST VÕI SAMAAEGSETEST HINDAMISTEST VÕI KOOSKÕLASTAMISTEST MUJAL
10. LISAD
10.1 Andmetabeli struktuur (vt ptk 6)
10.2 Uuringu läbiviija(te) CV(d) (lisatud eraldi dokumentidena)