Age Labs er et ungt gründerselskap innenfor prediktiv diagnostikk. De kombinerer maskinlæring og biobanker og ser på epigenetikken, altså hvordan genene blir slått av og på. Med maskinlæring finner de signaler på sykdom, og målet er å oppdage diagnoser tidligere. Det vil også bidra til å gi forebyggende og riktigere behandling, når du har fått en diagnose.
– Jeg er positivt overrasket over at vi ble valgt ut, for det har jo vært et trangt nåløye. Søkerlisten er full av tunge aktører, sier daglig leder Karl Trygve Kalleberg i Age Labs.
De fleste aldersrelaterte sykdommer oppdages først når sykdommen har begynt å sette sine spor. Da er det vanskelig, om ikke umulig, å reversere skaden. Dette gjelder for eksempel hjerte- og karsykdommer, kreft og demens. Det er økende tro og fokus på at persontilpasset og preventiv medisin vil hjelpe oss med å utsette eller unngå sykdom, ved at man tar grep lenge før sykdommen manifesterer seg.
Age Labs kjerneprodukt er en plattform for “algoritmedrevne blodprøver”. Ved å lese av den epigenetiske profilen til en pasient ut fra en blodprøve, kan vi bruke algoritmene våre til å identifisere mønstre som sier noe om fremtidig sykdomsutvikling. Men denne typen diagnostikk er avhengig av omfattende mengder helsedata i løpet av utviklingsprosessen, og har et stort potensiale for kontinuerlig forbedring etter at det er installert i daglig drift, i form av etterlæring av algoritmene.
Treningen av maskinlæringsalgoritmene er avhengige av store mengder sensitive helsedata, både genetiske og epigenetiske data i tillegg til informasjon om sykdommer og sykdomsutvikling.
Personvernutfordringene i prosjektet, som de ønsker å få utforsket i sandkassa, er hvordan man kan sikre anonymisering av dataene de har samlet inn, slik at de kan deles fritt? Og hvordan de skal gå frem, med tanke på anonymisering og dataminimering, når de skal etterlære algoritmene etter at de satt i produksjon?
Prosjektplanen for sandkassearbeidet er lagt. I den har Age Labs og Datatilsynet spisset seg inn på hvilke problemstillinger de skal jobbe med i sandkassa. Age Labs er i FoU-stadiet for sin første diagnostiske test for revmatologisk sykdom, og i sandkasseprosjektet vil de fokusere på muligheten for å anonymisere, eventuelt pseudonymisere, helsedata som er nødvendige for akkurat denne testen. Spesifikt fokus; hvordan sikrer man anonymisering av epigenetiske data?
I tillegg skal prosjektet utforske en viktig prinsipiell problemstilling i KI-sammenheng. Med dagens lovgivning har man noe friere tøyler til bruk av persondata, dersom det skjer i forbindelse med helseforskning og -utvikling. Men med en gang et produkt som følge av forskningen er satt i produksjon og kommer i kommersiell bruk, faller unntaket fra den generelle personvernlovgivningen bort. Med mange KI-produkter er det stort potensial for etterlæring, altså kontinuerlig forbedring av produktet basert på data samlet inn ved bruk. Sandkassa vil se på hvordan Age Labs kan gå fram, med tanke på anonymisering og dataminimering, når de skal etterlære algoritmen etter at den er satt i produksjon, og hvilke hjemler/behandlingsgrunnlag som da kommer til anvendelse.