DNV lanserer rammeverk for trygg bruk av syntetiske data i helsevesenet

Høvik, SETT INN. juni 2026 – Et nytt kunnskapsnotat fra DNV presenterer seks konkrete steg for å bygge tillit til syntetiske data i helsevesenet. Rammeverket skal støtte ansvarlig bruk av syntetiske data i utvikling av KI-løsninger for sektoren ved å gi utviklere, helseorganisasjoner og myndigheter et strukturert grunnlag for å vurdere kvalitet, sikkerhet og anvendbarhet.

Kunstig intelligens i helsesektoren har et stort potensial, men krever store mengder data for å kunne utvikles og brukes på en pålitelig måte. Tilgangen til slike helsedata er ofte begrenset av personvernkrav og praktiske barrierer. Syntetiske data, som er kunstig genererte data utformet for å gjenspeile mønstre fra den virkelige verden, trekkes derfor frem som et viktig verktøy. De utforskes i økende grad for bruk i kunstig intelligens, men tillit til kvalitet, sikkerhet og anvendbarhet er avgjørende for at de skal kunne tas i bruk.

Seks trinn for å bygge tillit til syntetiske data
 I notatet How can I trust my fake data? beskriver DNV en sekstrinns tilnærming for evaluering av kvaliteten på syntetiske data gjennom hele livssyklusen. Trinnene inkluderer å definere tiltenkt bruk, vurdere kvaliteten på treningsdata, evaluere genereringsytelse, validere syntetiske data mot referansepunkter fra den virkelige verden, gjennomføre analytisk og klinisk validering, og dokumentere resultater gjennom strukturerte «syntetiske datakort».

– Syntetiske data har et betydelig potensial, men for å kunne brukes trygt er vi avhengige av strukturert og transparent evaluering. Ved å basere vurderingene på dokumentert kunnskap og tilpasse dem til regulatoriske forventninger, kan organisasjoner bedre forstå hvorvidt dataene møter kravene til den aktuelle bruken, sier Serena Elizabeth Marshall, seniorforsker hos DNV.

Den anbefalte tilnærmingen begynner med å tydelig definere formålet med det syntetiske datasettet, noe som bestemmer relevante kvalitetskriterier og måleparametere. Kvaliteten må deretter vurderes på flere stadier, fra de underliggende treningsdataene til ytelsen i de løsningene dataene skal brukes i, for å sikre at risikoer knyttet til bias, personvern og representativitet blir håndtert.

Fem kvalitetsdimensjoner
 Et sentralt element i rammeverket er evalueringen av syntetiske data langs fem dimensjoner: likhet, nytteverdi, personvern, rettferdighet og miljøpåvirkning. Disse dimensjonene gir et helhetlig grunnlag for å vurdere om et datasett kan brukes trygt og effektivt i helsesammenheng.

Notatet understreker også viktigheten av åpenhet. Det introduserer «syntetiske datakort» som en standardisert måte å dokumentere hvordan dataene ble generert, hvilke antagelser som ligger til grunn, evalueringsresultater og kjente begrensninger. Denne dokumentasjonen støtter velinformert beslutningstaking hos utviklere, myndigheter og brukere.
 
Krever robuste og kunnskapsbaserte evalueringer
 DNVs syn er at tillit til syntetiske data krever robuste og kunnskapsbaserte evalueringer, kombinert med åpen dokumentasjon og tverrfaglig samarbeid. Denne tilnærmingen kan bidra til å sikre at syntetiske datasett kan brukes på en trygg og dokumenterbar måte og i samsvar med gjeldende regelverk for helsevesenet, kunstig intelligens og databeskyttelse.

– Syntetiske data åpner opp nye muligheter innen medisin, fra forbedret utvikling av diagnostiske verktøy til å muliggjøre forskning på sjeldne sykdommer der data fra den virkelige verden er begrenset. Med riktig validering og nødvendige sikkerhetstiltak på plass kan det støtte mer robust testing, raskere innovasjon og til slutt bedre informerte kliniske beslutninger, sier Carla Ferreira, teamleder for risiko- og modelleringsteknologier hos DNV.