Utveckling av AI-baserade kliniska beslutsstöd kräver multidisciplinära team där bland annat dataingenjörer, AI-forskare, klinisk personal, UX-designers och projektledare samverkar. Dessa roller har olika disciplinära bakgrunder och därmed skilda perspektiv och förförståelse, inte minst när det gäller datakvalitet.

I tidigare forskningsprojekt har vi identifierat att datakvalitet är avgörande genom hela systemets värdekedja – från den data som används för att träna systemen till den data som slutligen tolkas av användaren – och att det finns tydlig förbättringspotential i hur datakvalitet hanteras i praktiken.

Forskargruppen har intervjuat flera av de roller som deltar i utvecklingsprojekt av AI-baserade kliniska beslutsstöd samt genomfört litteraturstudier kring hur datakvalitet beskrivs och föreslås hanteras inom forskningen. Presentationen belyser hur olika roller ser på datakvalitet i tidiga utvecklingsfaser och presenterar konkreta strategier för att stärka datakvalitet i olika delar av systemets värdekedja.