PHAIR

PHAIR

PHAIR

Nationalt lægemiddelovervågningssystem der anvender AI og big data til real-time detektion og analyse af lægemiddelbivirkninger på danske hospitaler og i primærsektoren.

  • Lægemiddelstyrelsen (Danish Medicines Agency)
  • Statens Serum Institut
  • Region Hovedstaden
  • Københavns Universitet
  • Syddansk Universitet
  • Bispebjerg og Frederiksberg Hospital

Beskrivelse af systemet

I. Hvor bruges systemet og hvad bruges det til?

Anvendes nationalt i det danske sundhedssystem af hospitaler, primærsektor, og Lægemiddelstyrelsen. Systemet overvåger og forudsiger potentielle risici for lægemiddelbivirkninger gennem real-time analyse af sundhedsdata.

II. Hvornår blev det implementeret?

Projektperiode: 3 år (påbegyndt ca. 2022-2023). Herunder:
Inception-fase: 12 måneder med godkendelser og testning

  • Fase 1 (m12-18): Nationale registerdata
  • Fase 2 (m18-24): Struktureret EHR-data fra hospitaler
  • Fase 3 (m25-36): EHR fra primærsektor + ustrukturerede data
III. Hvordan gør systemet brug af kunstig intelligens?
  • Machine learning modeller til prediktion af bivirkninger
  • Epidemiologiske AI-metoder til dataanalyse
  • Automatiseret real-time overvågning
  • Analyse af strukturerede og ustrukturerede data (tekst, billeder)
  • Process mining af patientforløb
IV. Hvilke data er blevet brugt til at træne algoritmen?
  • Primær- og sekundær sundhedsdata
  • Nationale sundhedsregistre
  • Elektroniske patientjournaler (EPJ) fra hospitaler og primærsektor
  • Struktureret data (recepter, diagnoser, laboratoriesvar)
  • Ustrukturerede data (fritekst, medicinske billeder)
  • COVID-19 vaccinationsdata anvendt som test case
  • Syntetiske data i inception-fasen
V. Hvilke sikkerhedsforanstaltninger findes der?
  • GDPR-compliant med fælles dataansvar mellem Region Hovedstaden, SSI, SDU, KU og Lægemiddelstyrelsen
  • Data Protection Impact Assessment (DPIA) gennemført af Poul Schmidt Advokatfirma
  • Hosted på Danmarks Nationale Genomcenter's supercomputer med international datacertificering
  • Datapseudonymisering/-anonymisering
  • Krypterede forbindelser og adgangslogging
  • Kun godkendte PHAIR-forskere har adgang
  • Etisk rammeværk udviklet med filosoffer og etikere fra KU
  • Brugerpanel med patienter og borgere involveret i projektdesign
  • Data slettes efter projektafslutning i henhold til godkendelser
VI. Har systemet været afprøvet gennem f.eks. pilotprojekter? Blev der identificeret konkrete (etiske, juridiske, tekniske) udfordringer? Blev disse udbedret? Hvordan?

Ja. 12-måneders inception-fase med testning af machine learning og epidemiologiske modeller på syntetiske data. COVID-19 vaccine anvendt som første test case pga. hurtig udrulning og stor samfundsøkonomisk betydning.

VII. Hvordan er begrundelsen for indføring af systemet?
  • 30.000 årlige hospitalsindlæggelser (5% af alle) skyldes lægemiddelbivirkninger
  • Implementering af WHO's tredje Global Patient Safety Challenge: Medication Without Harm
  • Nuværende metoder er arbejds- og tidskrævende samt sårbare over for bias
  • Behov for real-time, objektiv overvågning
  • Forbedre livskvalitet for patienter i Danmark
VIII. Er lignende systemer blevet implementeret andres stede? Eventuelt, hvilke erfaringer er der derfra.

Nej. PHAIR beskrives som et "innovative never-seen-before project" der kan positionere Danmark som Europas frontløber inden for real-time lægemiddelovervågning. Det nye ligger i kombinationen af AI, big data, automation og tværsektoriel dataintegration i real-time.

Bidrag til offentlig-ai

Har du supplerende oplysninger, ønsker du ændringer som projektejer eller vil du give et bidrag til offentlig-ai.dk og vores arbejde med at synliggøre AI i den offentlige sektor?

Bidrag med oplysninger til offentlig-ai.dkStøt forskningen finansielt
Klassifikationsbegrundelse
PHAIR overvåger proaktivt nationalt alle sundhedsdata i realtid for at detektere bivirkningssignaler. Det er ADS på organisationsniveau, og output er ressourceallokeringsanbefalinger om opfølgning og reguleringstiltag.
Ændringshistorik (4 opdateringer)
Algoritmisk reguleringsklassifikation tilføjet
Kilde: Laage-Thomsen & Ratner (2025), Politica 57(2) (2026-06-30)
Felt opdateret
Vis detaljer
+ Infrastruktur / Cloud: Andet (Danish National Genome Center)
Felt opdateret
Vis detaljer
+ Leverandør: Trifork Digital Health A/S
Oprettet
Citér dette projekt

APA 7

Lægemiddelstyrelsen (Danish Medicines Agency) & Statens Serum Institut & Region Hovedstaden & Københavns Universitet & Syddansk Universitet & Bispebjerg og Frederiksberg Hospital. (2022). PHAIR. I «Offentlig AI – Database over kunstig intelligens i den offentlige sektor». Tilgået 7. august 2026 fra https://offentlig-ai.dk/projekter/phair

Citér databasen

APA 7

Küçüksu, A., & Gyldenkærne, C. H. (2026). Offentlig AI - Kunstig Intelligens i det offentlige v2 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.20660412