VEIL.AI mahdollistaa sensitiivisen tiedon tehokkaan hyödyntämisen

VEIL.AI on palvelu, jonka avulla yksilötasolla kerättyä ja siten potentiaalisesti sensitiivistä tietoa pystytään hyödyntämään erilaisissa tutkimus- ja kehityshankkeissa, sekä kaupallisissa sovelluksissa. Sovellus prosessoi tietoja niin, että kerättyjen tietoaineistojen arvo säilyy, mutta yksittäinen ihminen ei ole enää niiden perusteella tunnistettavissa. VEIL.AI mahdollistaa näin tiedon hyödyntämisen uusiin käyttötarkoituksiin ja uudenlaisille toimijoille.

Lähtökohtana sekä tietosuojan että hyödynnettävyyden maksimointi

VEIL.AI:n kehittäjien lähtökohtana on ollut toteuttaa ratkaisu, joka maksimoi sekä tietosuojan että käsitellyn tietoaineiston hyödynnettävyyden ja minimoi aineiston muokkaamiseen tarvittavan ajan ja laskentakapasiteetin. Perinteisillä menetelmillä tietoja joudutaan yleensä karkeistamaan niin paljon, että aineistojen jatkohyödynnettävyys kärsii merkittävästi. Perinteiset menetelmät soveltuvat myös huonosti dynaamisten, jatkuvasti päivittyvien tietomassojen anonymisointiin. 

VEIL.AI hyödyntää tekoälyä ja tekee laskennallisesti raskaista de-identifikaatioon tarvittavista prosesseista nopeita.

VEIL.AI tarjoaa ratkaisuja myös yrityksille ja isoille yhteistyöhankkeille

Monet suuret yritykset keräävät asiakkaistaan runsaasti tietoa, jonka hyödyntäminen on tällä hetkellä varsin rajoitettua. Koneoppimisen menetelmiä hyödyntämällä tällaisten laajojen tietoaineistojen analysointi voi tuoda paljon arvoa yrityksille esimerkiksi uuden tyyppisiä palveluita kehitettäessä.  

Monet yritykset kuitenkin kokevat tietovarantojensa hyödyntämisen liian haastavaksi tai riskialttiiksi toiminnaksi erityisesti EU:n tietosuoja-asetuksen (GDPR) vaatimusten osalta. VEIL.AI:n tarjoamilla anonymisointityökaluilla  arvokkaat aineistot uskalletaan ottaa myös yrityksissä hyötykäyttöön.  

Tutkimushankkeissa on usein oleellista pystyä hyödyntämään usean eri toimijan keräämiä tietoaineistoja. Jotta tämä onnistuisi, toimijoiden pitää yleensä joko jakaa omat tietoaineistonsa hankkeen kaikille osapuolille tai valita yksi taho hoitamaan tietojen yhdistämistä. VEIL.AI:n avulla myös useamman toimijan yhteistyöhankkeista tulee selvästi helpompia, kun niin sanotun raakadatan (käsittelemättömän tiedon) jakaminen aineistojen yhdistämiseksi ei enää ole välttämätöntä.  

VEIL.AI soveltuu monenlaisen yksilötason tiedon muokkaamiseen

VEIL.AI on kehitetty Helsingin yliopiston Suomen molekyylilääketieteen instituutissa (FIMM) Janna Saarelan ja Timo Miettisen johdolla. Nykyinen tiimi koostuu heidän lisäkseen kolmesta kehittäjästä. Liiketoiminnan kehittämisestä vastaavat teknologia-alan konkari Tuomo Pentikäinen ja Petri Junttila Helsingin Innovaatiopalveluista.

VEIL.AI kehittäjäryhmällä on pitkä kokemus haastavien potilasnäytteiden ja biopankkiaineistojen parissa työskentelemisestä.

– Tämän kaltaisten tutkimushankkeiden läpiviemiseksi on vaadittu uusien työkalujen kehittämistä, koska tarkoitukseen soveltuvia ei ole ollut saatavilla. FIMMin kaltaisissa lääketieteelliseen tutkimukseen keskittyvissä organisaatioissa ollaankin tietosuojan osalta useita vuosia muuta maailmaa edellä, toteaa Tuomo Pentikäinen.

Tiimin erikoisalasta huolimatta VEIL.AI:n käyttömahdollisuudet eivät kuitenkaan rajoitu vain lääketieteeseen liittyvien aineistojen käsittelyyn ja niiden perusteella tehtävään tutkimus- ja tuotekehitystyöhön, vaan ovat sovellettavissa kaikenlaiseen yksilötason tietoon.

VEIL.AI:n kaupallistamista selvitetään parhaillaan Business Finlandin Tutkimuksesta uutta liiketoimintaa –rahoituksen avulla. Tällä hetkellä tiimi keskittyy sovelluksen jatkokehitykseen ja erilaisilla tutkimusaineistoilla tehtäviin pilottihankkeisiin. Joitakin innostavia kansainvälisiä yrityspilotteja on myös jo käynnissä.

– FIMMin ja VEIL.AI-tiimin lähestymistapa on täysin uudenlainen. Valmistelemme yhteistä tutkimushanketta, jonka tavoitteena on testata synteettisen datan hyödyntämistä tyypillisesti data-intensiivisissä terveysteknologiakehityshankkeissa. Tavoitteenamme on nopeuttaa merkittävästi R&D-vaihetta, vähentää tai jopa poistaa tietovuotojen riski ja parantaa datan laatua, sanoo professori Henning Langberg Kööpenhaminan Healthtech-klusterista ja Kööpenhaminan yliopistosta.

Lue lisää aiheesta: Datatiede