Un guide pour évaluer l’anonymat et la qualité des données de synthèse

Le Health Data Hub et Octopize ont publié, le 27 avril dernier sur Gitlab, un guide pédagogique pour aider les chercheurs et start-up à créer et évaluer des données de synthèse, en lieu et place des données réelles. Le HDH et la start-up Octopize, spécialisée dans la génération de données synthétiques anonymes, fournissent des outils pour évaluer l’anonymat et la qualité des données de synthèse utilisées à des fins de recherche. Trois méthodes de génération de données synthétiques y sont comparées : la “génération structurelle”, développée par le HDH, la méthode d’ “avatarisation” promue par Octopize et une méthode mobilisant des techniques d’apprentissage profond. Les données de synthèse présentent plusieurs avantages, comme celui d’évaluer l’intérêt d’une base de données ou d’augmenter la taille d’une cohorte d’études.

À noter : mind Health revient dans une étude de cas sur l’expérimentation menée entre le CHU de Brest, Roche et Octopize autour de la validation de la robustesse des données synthétiques, via l’utilisation d’avatars.