Datu errealak, adimen artifizial hobea — benetan hala al da?

Selena Baset doktorearen gogoeta, Bilborako Bidean

Ekainaren 30ean egindako Real Data, Better AI ekimenaren lehen Foundation Circle saioan, itxuraz sinplea den proposamen bat aztertzen hasi ginen: mundu errealeko datu hobeek adimen artifizial hobea ekartzen al dute nahitaez?

Selena Baset doktoreak, Health Data Expert Hub-eko kide eta elkarrizketa hartako parte-hartzaileak, oinarrizko printzipioetara eramaten du berriro galdera. Bere gogoetak ez du behin betiko jarrera izan nahi; gonbidapen bat da, benetan zer esan nahi dugun «datu errealak» aipatzen ditugunean, zerk merezi duen «AA hobea» izendapena eta bien artean zer gertatu behar den aztertzeko.

Bilborako Bidean aurrera egiten dugun heinean, gure komunitatea gonbidatzen dugu Selenaren argudioarekin bat egitera eta Real Data, Better AI proposamena ezarpen praktikorako agenda bihurtzen laguntzera.

Datu errealak, AA hobea: benetan hala al da?

Batzuetan baietz pentsatzen dut, eta beste batzuetan ezetz.

Datu errealak berez nahikoak balira AA hobea sortzeko, ez zinateke artikulu hau irakurtzen ariko. Izenak gauza bat zuzen adierazten du: AA elikatzen duten datu errealak bezain ona baino ezin da izan. Kito.

Baina izenak ez du azaltzen horren mekanismoa. Bigarren elementua lehenengoaren ondorio dela esaten digu, baina ez du azaltzen nola gertatzen den edo zer baldintzatan betetzen den promesa hori. Tarte hori da alderdirik zailena eta esan gabe geratzen dena; horixe da, hain zuzen ere, ekimen honen izateko arrazoia.

Nola galderari erantzun aurretik, definizioak adostu behar ditugu. Zer dira datu errealak? Eta zerk egiten du AA ona edo hobea? Jarraian datorrena nire behin-behineko ikuspegia da. Ez dut jarrera itxi gisa aurkezten, eta beste interpretazio batzuk ongietorriak izango dira.

Datu errealetatik hasita, osasunaren arloan burura datorkigun lehen kontzeptua mundu errealeko datuak dira, gaur egun ulertzen ditugun bezala. RWD —real-world data— kontzeptuak guk esan nahi dugunaren zati handi bat hartzen du, baina horretara mugatzeak funtsezkoena galtzea dakar. Nahiago dut ikuspegi zabalagoa erabili: benetako pertsonengandik, benetako ingurune klinikoetan eta benetako arreta-prozesuetan lehen aldiz jasotzen diren datuak, datu horiek nola sortu diren ulertzeko beharrezko testuinguruarekin eta jatorriari buruzko informazioarekin batera.

Eta zer da AA hobea? Galdera hau zailagoa da. Begi-bistakoa dirudi, zehazten saiatzen garen arte.

AAren erabilerak heldutasuna lortzen duen heinean, ikuspegi desberdinak, erabilera-ereduak eta haren mugei buruz esperientziaz lortutako kontzientzia jakinduria kolektibo moduko batean bat egiten hasi dira, nahiz eta oraindik hitz desberdinez deskribatzen dugun.

Duela gutxi, zerbait garrantzitsua jasotzen duen akronimo bat aurkitu nuen, nahiz eta ezin izan dudan haren jatorrizko iturria identifikatu. Osasunaren arloan AAren emaitzek konfiantza sor dezaten, TRUE izan beharko lukete: Tracked, Reproducible, Understandable and Ethical — trazagarriak, erreproduzigarriak, ulergarriak eta etikoak.

Hobe da TRUE proba erabilgarri gisa ulertzea, eta ez esparru finkatu gisa. Hala ere, tartea aztertzeko modu bat eskaintzen digu: zer behar da datu errealek TRUE ezaugarriak dituen AA esperientzia bat sor dezaten?

Dimentsio etikoa politika publikoen, gobernantzaren, argi esleitutako erantzukizunen eta kontu-emate eraginkorraren mende dago. Trazagarritasuna, erreproduzigarritasuna eta ulergarritasuna datuez harago doaz. Beharrezkoak dira, halaber, dokumentatutako jatorria, estandar egokiak, eraldaketa gardenak eta datuen bizi-ziklo osoan esanahia zaintzeko diseinatutako sistemak.

Albiste ona da ez dugula dena hutsetik asmatu behar. Oinarrizko elementu asko dagoeneko prest daude. Behar duguna elementu horiek modu diziplinatuan eta sistematikoan hartzea da.

Lehen elementua FAIR da: aurkitzeko, eskuratzeko, elkarreragiteko eta berrerabiltzeko moduko datuak eta metadatuak — Findable, Accessible, Interoperable and Reusable. FAIR printzipio gidari sendo eta ongi finkatuen multzoa da, eta bizitzaren zientzietan gero eta helduagoak diren ezarpen-metodoak ditu. Hala ere, oraindik ere maizegi hartzen da prozesuaren amaieran besterik gabe gehi daitekeen geruza osagarritzat.

Ezin da horrela egin. FAIR ezaugarriak hasieratik txertatu behar dira datuak jasotzeko, deskribatzeko, gobernatzeko eta mantentzeko moduan. Ekosistemak zehazten du bere datuak aurkitu, interpretatu eta hasieran bildu ziren helburutik harago arduraz berrerabili ahal izango diren.

Bigarren elementua estandarrak dira. Estandarrei esker, ingurune batean bildutako datuek beren egitura eta esanahia gorde ditzakete beste ingurune batera bidaltzen, eraldatzen edo aztertzen direnean.

CDISCek ikerketa klinikoko datuen antolaketa eta arauzko erabilera errazten ditu. FHIRrek osasun-informazioa elektronikoki trukatzeko estandar bat eskaintzen du. OMOPek datu-eredu komun bat eta hiztegi estandarizatuak eskaintzen ditu behaketazko osasun-datuetarako eta analisi erreproduzigarrietarako. Ikuspegi horiek eginkizun desberdinak baina osagarriak dituzte. Elkarrekin, iturri-datu zatikatuetatik konfiantzaz ulertu eta berrerabil daitekeen ebidentziara igarotzeko beharrezkoa den azpiegitura erakusten dute.

CDISCek eta HL7k mapaketak ere garatu dituzte, historia kliniko elektronikoetako informazioa arauzko aurkezpenetarako prestatutako ikerketa klinikoko datu-multzoetara eramatea errazteko. Lan hori garrantzitsua da, datuen jatorriak eta esanahiak ohiko arretatik ikerketara, arauzko ebaluaziora eta, gero eta gehiago, AAren garapenera egiten duten bidean iraun behar dutelako.

Lan horietako bat ere ez da bereziki erakargarria. Hasierako inbertsio bat da: AA bidezko automatizazioaren onurak bilatu aurretik egin beharreko lana.

Hor dago Real Data, Better AI emaitza izatearen eta lelo hutsa izatearen arteko aldea.

Selena Baset doktorea

Egin bat Bilborako Bideko elkarrizketarekin

Selenaren gogoetak teknologiaz askoz harago doazen galderak uzten dizkigu.

Zer hartu behar dugu «datu erreal» gisa osasun-informazioa dagoeneko hainbat sistema eta eraldaketatatik igaro denean? FAIR datuak eta estandar komunak nahikoak al dira, ala «AA hobeak» ordezkagarritasunaren, garrantzi klinikoaren eta frogatutako onuraren mende ere egon behar du? Nork erabaki beharko luke, azken batean, AA sistema bat hobea den: garatzaileek, osasun-profesionalek, erregulatzaileek, pazienteek edo guztiek batera?

Health Data Forum komunitateko kideak gonbidatzen ditugu beren erantzunak, adibide praktikoak eta erronkak partekatzera. Ekarpen horiek Bilbora eramango dugun elkarrizketa aberasten lagunduko dute.