Synteettinen data terveysdatan yksityisyyshaasteiden ratkaisussa

Tietueen suppeat tiedot
dc.contributor.authorLiukkonen, Aurora
dc.contributor.departmentfi=Tietotekniikan laitos|en=Department of Computing|
dc.contributor.facultyfi=Teknillinen tiedekunta|en=Faculty of Technology|
dc.contributor.studysubjectfi=Tietojenkäsittelytieteet|en=Computer Science|
dc.date.accessioned2026-06-22T19:01:56Z
dc.date.issued2026-06-09
dc.description.abstractTekoälymallit ovat edistäneet terveydenhuoltoa merkittävässä tahdissa, mutta niiden kehityksessä on haastavia esteitä. Terveysdatan jakaminen mallien kouluttamista varten on rajoitettua datan arkaluontoisuuden ja lainsäädännöllisten velvoitteiden takia. Synteettinen data on yksi tutkimuksissa esille noussut menetelmä datan yksityisyyden suojaamiselle. Tutkielmassa tarkastellaan synteettisen datan käyttöä ja generointimenetelmiä terveydenhuollossa, keskittyen erityisesti terveysdatan yksityisyyshaasteisiin. Tutkielma toteutettiin kirjallisuuskatsauksena, jossa aineisto valittiin Web of Science ja ACM tietokantojen vuodesta 2020 eteenpäin julkaistuja tutkimuksia. Tutkielman tavoitteena on selvittää synteettisen datan tämänhetkiset hyödyt, haasteet ja mahdollisuudet lääketieteessä. Tutkielmassa selviää synteettisen datan olevan monipuolisesti käytetty anonymisointimenetelmä, jolla on mahdollisuus helpottaa terveysdatan jakamista organisaatioiden välillä. Synteettisessä datassa on riski henkilötietojen uudelleentunnistuksesta ja yksityisyyttä vahvistavat menetelmät usein heikentävät synteettisen datan laatua huomattavasti. Synteettisen datan generointi- ja arviointimenetelmien jatkotutkimusta tarvitaan.
dc.format.extent31
dc.identifier.urihttps://www.utupub.fi/handle/11111/62194
dc.identifier.urnURN:NBN:fi-fe20260622101319
dc.language.isofin
dc.rightsfi=Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.|en=This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
dc.rights.accessrightsavoin
dc.subjectsynteettinen data
dc.subjectterveysdata
dc.subjectkoneoppiminen
dc.subjectyksityisyys
dc.titleSynteettinen data terveysdatan yksityisyyshaasteiden ratkaisussa
dc.type.ontasotfi=Kandidaatintutkielma|en=Bachelor's thesis|

Tiedostot

Näytetään 1 - 1 / 1
Name:
Liukkonen Aurora Kandi 2026.pdf
Size:
329.79 KB
Format:
Adobe Portable Document Format
Lataa

Kokoelmat

Kandidaatin tutkielmat (kokotekstit)