Så hjälper syntetisk data Försäkringskassan att digitalisera snabbare, GDPR-anpassat och med hög kvalitet

Vi är glada och stolta över att kunna bidra med vår expertis och stötta Försäkringskassans vision, ”Ett samhälle där människor känner trygghet om livet tar en ny vändning”.

Bakgrund

Försäkringskassan är den myndighet i Sverige som har hand om bidrag och ersättningar till barnfamiljer, sjuka och personer med funktionsnedsättning. Deras uppdrag är att besluta om och betala ut en stor del av de förmåner som ingår i socialförsäkringen. Hos Försäkringskassan hanteras dagligen ett massivt flöde av data, information och kommunikation – som givetvis ska hanteras i enlighet med regelverk och lagkrav. Försäkringskassan behövde hitta en lösning för att kunna testa sina applikationer och system med bra och relevant data, eftersom de hanterar särskilt skyddsvärda persondata. Det kan handla om allt från tandkort till sjukdomssymtom. Data som normalt genereras fram med skript eller andra liknande metoder kunde inte fånga upp avvikelser och speciella karakteristik som just deras data har. Strategin för att hitta den bästa lösningen blev två hackatons, för att snabbt komma framåt, och inom ramen för detta fann man lösningen i syntetisk data.

Lösning

Tillsammans med Försäkringskassan utvecklades och implementerades en lösning i form av en skalbar mikrotjänst som genererar texter för olika syften och användning tack vare avancerad maskininlärning. Lösningen handlar om att kunna använda syntetisk text för träning av AI-modeller utan att använda känslig produktionsdata, i linje med lagstiftningen. Den syntetiska datan kan komma att användas vid träning av modeller för textklassificering, chatbot Q&A och dokumentgenerering. Lösningen kan även filtrera, träna och generera realistisk data. Lösningen har implementerats i befintlig produktionsmiljö och integrerats med andra smarta tjänster.

Med hjälp av en modelltyp kallad ”GAN”-modeller (Generative Adversarial Network) kan ett urval av verklig data matas in i modellen som tränar sig på att lära sig datans egenskaper. Den tränade modellens utdata är sedan en genererad syntetisk datauppsättning som nära matchar de ursprungliga data när det gäller statistisk likhet och distribution. De genererade data bevarar alla egenskaper, korrelationer och egenskaper för originaldata så att de kan användas i stället för faktiska data. Alla typer av data skulle på sikt kunna genereras – från bilder och journaler till dokument och textfiler – utan att personliga data exponeras.

Resultat

Resultatet genererar realistisk, användbar data baserat på den verkliga datauppsättningen. Den här lösningen lär sig av faktiska data och genererar realistiska data som kan användas för programvarutestning eller läggas till för att skapa en bättre AI-modell. Denna nytta och möjlighet med oändlig skalning av data är även något som är användbart inom AI såväl som andra områden.

Utöver den syntetiska datan och dess användbarhet inom test kan lösningen hjälpa till med att maska text för att anonymisera data samt skapa bättre förutsättningar för att utveckla nya tjänster och nyttor med hjälp av metoder inom AI.