Systém syntetických dat jako nový nástroj otevřenosti

Otevřená data se v posledních letech stala jedním ze základních pilířů transparentní veřejné správy. Díky jejich zveřejňování vznikají nové online vizualizace, analytické výstupy, mobilní aplikace, výzkumné projekty i služby pro občany. Současně však existují oblasti, kde samotná otevřená data narážejí na své limity. Typickým příkladem jsou zdravotnická data, která obsahují citlivé informace o pacientech a jejichž ochrana musí být vždy prioritou. Právě zde se otevírá prostor pro nový přístup: systém syntetických dat.

Tento systém je postaven na uměle vytvořených datech z Národního zdravotnického informačního systému (NZIS), která vycházejí ze struktury reálných databází, jako například: Národní registr hrazených zdravotních služeb, Národní onkologický registr nebo List o prohlídce zemřelého. Neobsahují ale žádné skutečné osobní údaje. Zachovávají logiku, vztahy a datový model původních systémů, ale jednotlivé záznamy jsou fiktivní a slouží jen a pouze pro návrh a optimalizaci výpočetního skriptu, který je následně dle zveřejněných pravidel spuštěn na datech reálných. Díky tomu umožňují pracovat s komplexními datovými strukturami bez rizika identifikace konkrétních osob. V prostředí veřejné správy tak vznikl nový inovativní přístup, který doplňuje tradiční otevřená data a rozšiřuje možnosti jejich využití.

Když otevřená data nestačí

Otevřená zdravotnická data, případně datové souhrny, publikované na Katalogu zdravotnických dat na Národním zdravotnickém informačním portálu (NZIP) jsou ideálním řešením pro publikaci agregovaných statistik a číselníků. V mnoha případech ale uživatelé potřebují provádět pokročilé analýzy nad daty na úrovni jednotlivých záznamů a analyzovat vazby mezi různými registry. Takové požadavky často nelze vyřešit prostřednictvím běžně publikovaných dat.

Syntetická data vytvářejí pomyslný most mezi světem otevřených dat a světem vysoce chráněných datových zdrojů. Umožňují odborníkům poznat strukturu databáze, testovat své výpočetní skripty a analytické postupy bez přímého přístupu k primárním datům NZIS. Veřejná správa tak může významně rozšířit rozsah sdílených informací, aniž by slevila z požadavků na ochranu soukromí.

Česká zkušenost: Systém syntetických dat NZIS

Tento unikátní systém provozuje Ústav zdravotnických informací a statistiky ČR (ÚZIS ČR) od května 2025, kdy byl spuštěn po důkladném otestování a pilotáži do komunity, kterou zajímají zdravotnická data. Princip je jednoduchý. Zájemci získají po formální registraci přístup k databázovému prostředí s totožnou strukturou, jaká existuje v produkčních registrech NZIS. Mohou se seznámit s podrobnou dokumentací, datovým modelem, připravovat SQL skripty a navrhovat navazující analytické postupy. Vlastní výpočty nad reálnými daty následně probíhají pod kontrolou ÚZIS ČR, který posuzuje nejen technickou správnost výpočtů, ale také to, zda výsledný výstup splňuje požadavky na anonymizaci a nevede k identifikaci konkrétních osob.

Tento model přináší výhodes oběma stranám. Uživatelé mohou samostatně připravovat analytické řešení. Správce dat naopak nemusí vytvářet analytické skripty za každého žadatele a zajišťuje nutnou kontrolu v souladu s pravidly pro ochranu osobních údajů a bezpečné poskytnutí výsledků.

Otevřenost není jen o datech

Zajímavostí systému syntetických dat je skutečnost, že otevřenost se netýká pouze databází se syntetickými daty NZIS. Důležitou součástí konceptu je zveřejňování metodik, dokumentace, výsledných datových souhrnů, a v případě souhlasu autorského kolektivu také samotných analytických skriptů. Cílem často není jednorázové poskytnutí dat, ale budování znalostní báze pro dlouhodobé analýzy, standardně s ročním intervalem aktualizace.

Význam syntetických dat dále posilují současné evropské iniciativy zaměřené na sdílení a opětovné využívání dat veřejného sektoru. Rostoucí důraz na datovou ekonomiku, interoperabilitu a odpovědné sdílení informací vytváří tlak na hledání nových způsobů zpřístupňování dat, které respektují ochranu soukromí a zároveň podporují inovace.

Syntetická data mohou být jedním z nástrojů, jak tyto často protichůdné požadavky sladit. Nenahrazují otevřená data ani řízený přístup k citlivým informacím. Rozšiřují však existující spektrum možností a vytvářejí bezpečné prostředí pro vývoj analytických metod, vzdělávání, testování a spolupráci mezi veřejnou správou, akademickou sférou a soukromým sektorem.

Pokud mají data veřejného sektoru skutečně podporovat inovace, výzkum a vznik nových služeb, nestačí pouze publikovat vybrané datové sady. Je potřeba vytvářet nové mechanismy, které umožní bezpečné využívání informačního potenciálu veřejných databází. Systém využívající syntetická data představuje jeden z perspektivních nástrojů nové generace otevřenosti. Česká zkušenost ze zdravotnictví ukazuje, že i v prostředí s nejvyššími požadavky na ochranu osobních údajů lze najít řešení, která jsou současně bezpečná, transparentní a užitečná pro celou datovou komunitu.