PrivateAIM

Privacy-Preserving Analytics in Medicine

01.04.2023 bis 31.03.2027

Das Ziel von PrivateAIM ist die Entwicklung einer föderierten Plattform für maschinelles Lernen (ML) und Datenanalyse im Rahmen der Medizininformatik Initiative (MII), bei der die Analysen zu den Daten gebracht werden und nicht die Daten zu den Analysen. Methoden, die eine verteilte Datenverarbeitung in den von der MII eingerichteten Datenintegrationszentren (DIZen) ermöglichen, sind aus mehreren Gründen wichtig: (1) Daten von Patienten ohne Einwilligung dürfen nur verwendet werden, wenn Anonymität gewährleistet ist, (2) föderierte Technologien können dazu beitragen, die MII mit anderen Gesundheitsdatennetzen zu verbinden.
Die derzeit in der MII etablierten Mechanismen weisen jedoch erhebliche Einschränkungen auf und sind beispielsweise nicht für komplexe ML- und Data-Science-Tasks geeignet. Darüber hinaus sind föderierte Plattformen, die in anderen Zusammenhängen entwickelt wurden, (1) kompliziert einzurichten und zu betreiben, (2) verfügen über eine begrenzte Anzahl von Analyse- oder ML-Methoden, (3) unterstützen keine modernen Technologien zur Verbesserung des Datenschutzes und (4) sind nicht skalierbar oder ausgereift.
Das PrivateAIM-Konsortium, das von allen MII-Konsortien unterstützt wird, bringt Experten zusammen, um die nächste Generation der föderierten Analyse- und ML-Plattform für die MII zu entwickeln. Die Plattform für föderierte Lern- und Analysemethoden (FLAME) wird modernste Föderierungsmethoden mit innovativen Datenschutzmodellen für multimodale Daten kombinieren. Unter Verwendung von Komponenten zur Überwachung und Kontrolle des Datenschutzniveaus werden diese in eine verteilte Infrastruktur integriert, die von den DIZen leicht übernommen werden kann.
Die Umsetzung in die Praxis wird durch die Berücksichtigung von Herausforderungen an der Schnittstelle von Technologie und Recht, die Entwicklung von Konzepten und Dokumenten für den Betrieb durch die IT-Abteilungen der Krankenhäuser und die Abstimmung mit Ethikkommissionen sowie mit den Beauftragten für Informationssicherheit und Datenschutz erleichtert. FLAME wird mit Benchmark-Datensätzen und in realen Anwendungen evaluiert. Eine breite Akzeptanz wird durch ein mehrstufiges Rollout-Konzept erreicht. Die Verfügbarkeit als Open-Source-Software und die Zusammenarbeit mit verwandten Projekten wird die Nachhaltigkeit sicherstellen.