Πώς η ψηφιακή υγεία αλλάζει το τρόπο που αντιμετωπίζουμε μία πνευμονολογική πάθηση
Τί είναι ψηφιακή υγεία; Τί είναι real world data; και τί ψηφιακά δεδομένα υγείας;
Τελευταία, η συζήτηση γύρω από τη ψηφιακή υγεία έχει ενταθεί, καθώς ο αριθμός των μέσων και εφαρμογών τεχνητής νοημοσύνης που χειρίζονται δεδομένα υγείας αυξάνονται σημαντικά. Η τηλεϊατρική, οι ηλεκτρονικοί φάκελοι υγείας, διαγνωστικά καινοτόμα προγράμματα τεχνητής νοημοσύνης είναι λίγα από τα παραδείγματα της ψηφιακής υγείας. Παράλληλα με την αύξηση των εφαρμογών, των μέσων και των τεχνολογιών, αυξάνεται και ο όγκος των δεδομένων που παράγονται καθημερινά στην υγεία, εντείνοντας τη συζήτηση στην Ελλάδα, στην Ευρώπη και παγκοσμίως για την ανάγκη περισσότερων μέτρων ασφαλείας και προστασίας των προσωπικών δεδομένων των ασθενών.
Μιλώντας όμως για ψηφιακά δεδομένα υγείας, θα πρέπει να καταλάβουμε τί είναι, πώς παράγονται, και πώς χρησιμοποιούνται.
Ουσιαστικά, πρόκειται για δεδομένα τα οποία παράγονται σε κάθε διαδικασία που αφορά την υγεία μας και χρησιμοποιούνται τεχνολογικά μέσα, είτε για να παραχθούν τα δεδομένα, είτε για να αναλυθούν, είτε για να αποθηκευθούν. Τέτοια δεδομένα παράγονται παντού, είτε σε μία επίσκεψη στο νοσοκομείο (μία εργαστηριακή εξέταση, ένα ιστορικό, συνταγογραφήσεις, δεδομένα ασφαλιστικής κάλυψης, κτλ.), ή στο σπίτι με τη χρήση τηλεϊατρικής, φορητές συσκευές ή αλλιώς wearables (όπως μηχανές μέτρησης γλυκόζης αίματος), ή έξυπνα κινητά (σπιρομέτρηση, μέτρηση βημάτων, κατανάλωσης θερμίδων, κλπ.) ή στο δρόμο. Όλα αυτά τα δεδομένα αποθηκεύονται σε βάσης δεδομένων ή πληροφοριακά συστήματα όπως το αρχείο ενός νοσοκομείου, ή το προσωπικό αρχείο ενός γιατρού, το αρχείο του φορέα υγείας που διαχειρίζεται την ασφαλιστική σας ικανότητα (πχ ΕΟΠΥΥ).
Τι είναι τα δεδομένα πραγματικού κόσμου (real world data) και τι πραγματικά κλινικά δεδομένα (real world evidence);
Tα real world data συλλέγονται καθόλη τη διάρκεια της ζωής ενός ασθενή, από τα εθνικά μητρώα μέχρι τους φακέλους υγείας, και τις μηχανές διαχείρισης μίας πάθησης (π.χ. σπιρόμετρο) . Είναι ένα σημαντικό εργαλείο για την έρευνα και καινοτομία διότι παρέχουν πληροφορίες που δεν είναι εύκολο να προκύψουν από κλινικές μελέτες. Παράλληλα, βοηθούν στην καλύτερη αντιμετώπιση μίας πάθησης, καθώς παρέχουν μια πιο ολοκληρωμένη εικόνα της κατάστασης του ασθενούς, δίνοντας τη δυνατότητα στην εύρεση καλύτερων και αποτελεσματικότερων λύσεων για τα συμπτώματα ή την ίδια την αιτία μιας πάθησης. Με την επεξεργασία των real world data, παίρνουμε τα απαραίτητα αποτελέσματα ή κλινικά δεδομένα (real world evidence) που χρειαζόμαστε για να υπολογίσουμε τα οφέλη ή κινδύνους ενός ιατρικού προϊόντος.
Τα δεδομένα μπορούν να συλλεχθούν αρχικά από έναν επαγγελματία υγείας, εσάς τους ίδιους, το φροντιστή ή τους φροντιστές σας, και μπορούν να χρησιμοποιηθούν για το σκοπό που συλλέχθηκαν ή για δευτερεύοντες σκοπούς. Ωστόσο, η δευτερεύουσα χρήση των δεδομένων δημιουργεί ανησυχίες για το πώς, πού και πότε θα χρησιμοποιηθούν τα δεδομένα, αν θα έχει συναινέσει πραγματικά ο ασθενής με τη χρήση αυτή. Γι’αυτό το λόγο δημιουργήθηκε μία νέα Ευρωπαϊκή νομοθεσία (European Health Data Space) που θέτει όρους και κανόνες σχετικά με τη χρήση και την επαναχρησιμοποίηση των δεδομένων υγείας σε όλη την επικράτεια των μελών της Ευρωπαϊκής Ένωσης. Ένα κομμάτι της νέας νομοθεσίας, η οποία βρίσκεται προς το παρόν σε δημόσια διαβούλευση, είναι και η δευτερεύουσα χρήση των δεδομένων των ασθενών.
Γιατί όμως χρειαζόμαστε τη δευτερεύουσα χρήση των δεδομένων υγείας;
Ο πρωτεύων λόγος συλλογής και χρήσης των δεδομένων υγείας μπορεί να πραγματοποιηθεί για τη διάγνωση και αντιμετώπιση μίας πάθησης. Παρ’όλα αυτά αργότερα μπορεί να δοθεί πρόσβαση στα δεδομένα μας (μετά από συναίνεση και ψευδωνυμοποίηση ή ανωνυμοποίηση των δεδομένων) για ερευνητικούς σκοπούς, κλινικές μελέτες, με σκοπό πέραν του προσωπικού ενδιαφέροντος ενός ασθενή. Οι δυνατότητες είναι σημαντικές, αλλά συνοδεύονται και από προκλήσεις. Η διαλειτουργικότητα μεταξύ νοσοκομείων, κλινικών, ανάμεσα σε διάφορα κέντρα στον κόσμο μπορεί να δώσει λύσεις σε σπάνιες παθήσεις, περιπτώσεις, και μπορεί να προσφέρει μία πιο εξατομικευμένη θεραπεία, βασιζόμενη σε πραγματικά δεδομένα. Παράλληλα, ανακύπτουν σημαντικά ερωτήματα για την ασφάλεια και προστασία των δεδομένων, την εκμετάλλευση των δεδομένων από τρίτους ενδιαφερόμενους, την εμπορευματοποίησή τους και τέλος την μη συναινετική χρήση τους.
Ψευδωνυμοποίηση vs Ανωνυμοποίηση
Με τα ανωνυμοποιημένα δεδομένα, χάνεται τελείως η ταυτότητα του ασθενή.
Πώς γίνεται η ανωνυμοποίηση;
- με τη πλήρη αφαίρεση δεδομένων που δεν χρειάζονται για την έρευνα ή για διοικητικούς και άλλους λόγους
- με τη διαγραφή διοικητικών δεδομένων που δεν χρειάζονται πλέον όπως πληροφορίες επικοινωνίας των συμμετοχόντων μιας κλινικής μελέτης
- με την αντικατάσταση των σημαντικών πληροφοριών με εναλλακτικές πληροφορίες π.χ. χώρα ή πόλη
Με τα ψευδωνυμοποιημένα δεδομένα κρύβεται η ταυτότητα του ασθενή, αλλά με τη σύνδεση συγκεκριμένων πληροφοριών (π.χ. χρήση αρχείου “κλειδιού”- key file), η ταυτότητα του μπορεί να αποκαλυφθεί. Επομένως τα ψευδωνυμοποιημένα δεδομένα θεωρούνται προσωπικά δεδομένα και προστατεύονται από τον κανονισμό GDPR (ΓΚΠΠΔ).
Πώς γίνεται η ψευδωνυμοποίηση;
- αντικαθιστούνται όλες οι πληροφορίες που μπορούν να ταυτοποιήσουν τον ασθενή με ψευδώνυμα και αποθηκεύονται σε ένα διαφορετικό αρχείο “κλειδί”, το οποίο παραμένει κλειδωμένο (encryption – χρήση κωδικών και άλλων μέτρων ασφαλείας).
- οποιαδήποτε προσωπικό δεδομένο δεν χρειάζεται μετά το πέρας κάποιας διαδικασίας, προτείνεται να διαγράφεται
Ως ασθενείς μπορούμε να ωφεληθούμε αλλά πώς;
Καθημερινά διεξάγονται πολλές μελέτες παγκοσμίως και καινοτόμες προσεγγίσεις βρίσκουν εφαρμογή στην αντιμετώπιση των πνευμονολογικών παθήσεων. Νέα μηχανήματα, νέες τεχνικές που βοηθούν στη γρηγορότερη διάγνωση του άσθματος, ή της ΧΑΠ, ή κινητά που συνδέονται με το σπιρόμετρό σας και μπορούν να υπολογίσουν τον όγκο αέρα της αναπνοής σας, αν κάνετε σωστά τη θεραπεία σας με το εισπνεόμενο φάρμακο και αν τηρείτε το χρονοδιάγραμμα των θεραπειών σας. Αυτές είναι μερικές από τις καινοτόμες εφαρμογές που έχουν αναπτυχθεί τα τελευταία χρόνια και αυξάνονται ολοένα και περισσότερο.
Ως ασθενείς, μπορούμε να ενημερωνόμαστε και να ζητούμε περισσότερες πληροφορίες για τον τρόπο με τον οποίο χρησιμοποιούνται τα δεδομένα υγείας μας. Την επόμενη φορά που θα συμμετάσχετε σε μια κλινική μελέτη, θα συμπληρώσετε ένα ερωτηματολόγιο σε ένα νοσοκομείο ή θα δώσετε το ιατρικό ιστορικό σας σε έναν νέο επαγγελματία υγείας, μπορείτε να ρωτήσετε πώς θα αποθηκευτούν τα δεδομένα σας, ποιος θα έχει πρόσβαση σε αυτά, πόσο διάστημα θα διατηρηθούν και ποια μέτρα λαμβάνονται για την προστασία τους.
Μπορείτε επίσης να ζητήσετε πληροφορίες σχετικά με το αν τα δεδομένα σας ανωνυμοποιούνται ή ψευδωνυμοποιούνται, ποια στοιχεία παραμένουν συνδεδεμένα με την ταυτότητά σας και αν προβλέπεται η διαγραφή τους μετά την ολοκλήρωση μιας μελέτης ή άλλης διαδικασίας. Πρόκειται για εύλογα ερωτήματα που μπορείτε να συζητήσετε με τον ιατρό σας, τον υπεύθυνο μιας κλινικής μελέτης ή τον αρμόδιο φορέα που διαχειρίζεται τα δεδομένα και τις υπηρεσίες υγείας σας.
Περισσότερες πληροφορίες μπορείτε να βρείτε εδώ:
Chodankar D. Introduction to real-world evidence studies. Perspect Clin Res. 2021 Jul-Sep;12(3):171-174. doi: 10.4103/picr.picr_62_21. Epub 2021 Jul 7. PMID: 34386383; PMCID: PMC8323556.
Cervera de la Cruz P, Lalova-Spinks T and Shabani M (2026) The European Health Data Space: an opportunity to strengthen citizen rights and engage citizens in health data governance. Front. Med. 12:1699941. doi: 10.3389/fmed.2025.1699941
Carradinha M, Mendes VIS, Moura RP, Silva NP, Rocha L, Gonçalves J, Antunes I, Schiza E, Pattichis CS, Zanini A, Pajić V and Pinto CS (2026) Telemedicine and the European Health Data Space: a new paradigm for healthcare in the EU. Front. Digit. Health 7:1713758. doi: 10.3389/fdgth.2025.1713758
Ambalavanan R, Snead RS, Marczika J, Towett G, Malioukis A, Mbogori-Kairichi M. Challenges and strategies in building a foundational digital health data integration ecosystem: a systematic review and thematic synthesis. Front Health Serv. 2025 Jun 20;5:1600689. doi: 10.3389/frhs.2025.1600689. PMID: 40621432; PMCID: PMC12226485.
Sang B, Wen H, Junek G, Neveu W, Di Francesco L, Ayazi F. An Accelerometer-Based Wearable Patch for Robust Respiratory Rate and Wheeze Detection Using Deep Learning. Biosensors. 2024; 14(3):118. https://doi.org/10.3390/bios14030118
Real-world evidence [Internet]. 2026 [cited 2026 Jun 14]. Available from: https://www.ema.europa.eu/en/about-us/how-we-work/data-regulation-big-data-other-sources/real-world-evidence
Anonymising and pseudonymising [Internet]. [cited 2026 Jun 14]. Available from: https://www.ru.nl/en/staff/researchers/research-data/personal-data-in-research/data-anonymisation