Najważniejsze
- •Projekt ROKAVI sprawdzi, czy algorytmy AI mogą wcześniej oceniać ryzyko nowotworów na podstawie danych z kas chorych.
- •Badacze porównają klasyczny model statystyczny z modelem opartym na sztucznej inteligencji dla wybranego typu raka.
- •Projekt obejmuje też etykę i komunikację ryzyka: naukowcy chcą ustalić, jak informować ubezpieczonych o możliwym zagrożeniu.
- •Impulsem do badań było wejście w życie niemieckiej ustawy GDNG, która umożliwia wykorzystywanie danych rutynowych do informowania o indywidualnych ryzykach zdrowotnych.
- •Jeśli model się sprawdzi, może wspierać wcześniejszą profilaktykę onkologiczną i bardziej precyzyjne działania systemu ochrony zdrowia.
Badacze z MHH uruchomili projekt ROKAVI, który ma sprawdzić, czy sztuczna inteligencja na podstawie danych z ubezpieczeń zdrowotnych wcześniej wykryje ryzyko nowotworów.
Badacze z Medizinische Hochschule Hannover rozpoczęli projekt ROKAVI, który ma sprawdzić, czy algorytmy sztucznej inteligencji mogą wcześniej wykrywać ryzyko nowotworów na podstawie danych z ubezpieczeń zdrowotnych. Projekt ruszył w kwietniu 2026 roku i ma trwać trzy lata.
ROKAVI prowadzi zespół pod kierownictwem prof. Christiana Krautha z Instytutu Epidemiologii, Medycyny Społecznej i Badań nad Systemem Ochrony Zdrowia MHH. Naukowcy chcą wykorzystać dane dotyczące diagnoz, udzielonych świadczeń i informacji socjodemograficznych, aby zbudować modele oceny ryzyka zachorowania na raka. Materiał do badań dostarczą Pronova BKK i mkk – meine krankenkasse, które łącznie obejmują ponad 1,3 mln ubezpieczonych. Partnerem technologicznym jest ITSC GmbH, a w projekt zaangażowano też BKK 24 oraz Comprehensive Cancer Center Hannover.
Badacze najpierw mają ustalić, które nowotwory najlepiej nadają się do tworzenia modeli predykcyjnych. Wśród analizowanych chorób wymieniają raka prostaty, piersi, płuca i jelita grubego. Następnie porównają klasyczny model statystyczny z rozwiązaniem opartym na AI dla wybranego typu nowotworu. Celem jest sprawdzenie, które narzędzie dokładniej ocenia ryzyko. Prof. Krauth powiedział, że jedną z hipotez zespołu jest to, iż algorytm oparty na sztucznej inteligencji da precyzyjniejsze wyniki niż tradycyjne modele.
Druga część projektu dotyczy etyki i komunikacji ryzyka. Zespół chce opracować ramy, które pomogą ustalić, czy i w jaki sposób ubezpieczeni powinni otrzymywać informacje o możliwym ryzyku zachorowania na raka. Naukowcy mają też zebrać opinie przedstawicieli kas chorych i na tej podstawie przygotować rekomendacje dotyczące użycia modeli predykcyjnych.
Impulsem do rozpoczęcia ROKAVI było wejście w życie w 2024 roku niemieckiej ustawy Gesundheitsdatennutzungsgesetz (GDNG). Przepisy pozwalają ustawowym kasom chorych wykorzystywać dane rutynowe do informowania ubezpieczonych o indywidualnych zagrożeniach zdrowotnych. Projekt wpisuje się w szerszą próbę wykorzystania danych do poprawy profilaktyki onkologicznej w Niemczech.
W Niemczech co roku na nowotwory zapada około 518 tys. osób, a liczba ta rośnie. To oznacza coraz większe obciążenie dla systemu ochrony zdrowia, zarówno finansowe, jak i organizacyjne. Jeśli ROKAVI potwierdzi przydatność takich modeli, może to otworzyć drogę do wcześniejszej identyfikacji ryzyka i bardziej precyzyjnej profilaktyki. Jednocześnie projekt stawia pytania o sposób komunikowania wyników i ochronę danych pacjentów.
Najważniejsze dane i założenia projektu ROKAVI
| Element | Wartość |
|---|---|
| Start projektu | kwiecień 2026 |
| Planowany czas trwania | 3 lata |
| Liczba ubezpieczonych w danych partnerów | ponad 1,3 mln |
| Liczba nowych zachorowań na nowotwory w Niemczech rocznie | około 518 tys. |
| Analizowane nowotwory | prostata, piersi, płuca, jelito grube |
| Podstawa prawna | Gesundheitsdatennutzungsgesetz (GDNG) |
Na podstawie treści artykułu i materiałów źródłowych MHH oraz partnerów medialnych.
ROKAVI: model statystyczny vs model oparty na AI
Model statystyczny
Model oparty na AI
Jak działa projekt ROKAVI
Na podstawie artykułu o projekcie ROKAVI oraz materiałów źródłowych MHH.
Słownik pojęć
- Predykcja / model predykcyjny
- Model statystyczny lub algorytmiczny służący do przewidywania przyszłego ryzyka zdarzenia, np. zachorowania.
- Routinedaten
- Rutynowo gromadzone dane administracyjne i medyczne, np. rozpoznania, świadczenia, informacje o pacjencie.
- Risikokommunikation
- Sposób przekazywania informacji o ryzyku zdrowotnym pacjentowi lub ubezpieczonemu.
- GDNG
- Niemiecka ustawa Gesundheitsdatennutzungsgesetz, regulująca wykorzystanie danych zdrowotnych przez ustawowe kasy chorych.
- Informationelle Selbstbestimmung
- Prawo do decydowania o tym, jakie informacje o zdrowiu są przekazywane i komu.
- Prädiktionsmodell
- Model służący do przewidywania prawdopodobieństwa wystąpienia określonego zdarzenia, np. choroby.
