Gematik und IBM: Daten der elektronischen Patientenakte für Forschungszwecke
Die für die Digitalisierung im Gesundheitswesen zuständige Gematik will in Kooperation mit IBM und der Universität Mannheim ePA-Daten anonymisiert auswerten.
![Missing Link: KI - die Künstlichen Idioten des digitalen Kapitalismus](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/3/5/3/6/0/3/7/eHealth.jpg-7410d1142ca66328.jpeg)
(Bild: kentoh / Shutterstock.com)
Die Gematik GmbH hat im Rahmen einer Kooperation mit IBM Deutschland und der Universität Mannheim Demonstratoren entwickelt, um Daten aus der elektronischen Patientenakte (ePA) zu Forschungszwecken auszuwerten. Rückschlüsse auf die Versicherten sollen dabei nicht möglich sein. Die Backend-Systeme für das zum Einsatz kommende Maschinenenlernverfahren wurde am Lehrstuhl für Praktische Informatik IV von Prof. Dr. Frederik Armknecht an der Universität Mannheim gebaut. IBM hingegen war für die notwendigen Anpassungen der ePA-Oberfläche verantwortlich. Die Einsatzmöglichkeiten wolle die Gematik evaluieren und mit weiteren Partnern ausbauen. Als Grund für ihr Vorhaben nennt die Gematik die Forderung des Corona-Expertenrats, anonymisierte Gesundheitsdaten auszuwerten und zu veröffentlichen.
Privatsphäre schützende Technologien
Da eine Pseudonymisierung der Gesundheitsdaten alleine nicht wirksam ist, sollen Methoden eingesetzt werden, die den Datenschutz erhöhen ("Privacy Enhancing Technologies"). In Anlehnung an Privacy Enhancing Technologies (PET) wurde ein erster Prototyp entwickelt, den die Gematik PrETTI (Privacy Enhancing Technologies in der Telematikinfrastruktur) getauft hat. In Zukunft sollen Versicherte mithilfe des Prototyps Daten aus ihrer ePA zu Forschungszwecken bereitstellen können. Die erste Phase bezeichnet die Gematik als "Multi-Party-Computation", auch als "Federated Learning" bekannt. Federated Learning ist eine Technik des maschinellen Lernens, die Algorithmen auf Servern oder Edge Devices dezentral trainiert, ohne die Daten auszutauschen.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Google Ireland Limited) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
Beispielsweise werden bei herkömmlichen, zentralisierten maschinellen Lerntechniken alle lokalen Datensätze auf einen Server hochgeladen. Dadurch, dass dem Ansatz nach ausschließlich die trainierten Modelle zusammengeführt werden, will die Gematik den Datenschutz gewährleisten.
Auf die Trainingsdaten aus der ePA-App der Versicherten werde zudem eine von IBM implementierte homomorphe Verschlüsselung angewandt. Das Auswertungsergebnis ist ebenfalls verschlüsselt und werde erst in der ePA-App wieder entschlüsselt und für die Versicherten lesbar. Somit soll die Modellanwendung lediglich für verschlüsselte Daten erfolgen. Im Falle einer möglichen Model-Inversion-Attacke könnten die Trainingsdaten allerdings wieder rekonstruiert werden.
(mack)