Teilprojekt eines Verbundes

Nachwuchsgruppe "Datenschutz medizinisch relevanter Daten und datenschutzbewusstes Training von Modellen des maschinellen Lernens auf medizinischen Daten" (MDPPML)

Förderkennzeichen: 01ZZ2010
Fördersumme: 703.641 EUR
Förderzeitraum: 2021 - 2024
Projektleitung: Prof. Dr. Nico Pfeifer
Adresse: Eberhard Karls Universität Tübingen, Mathematisch-Naturwissenschaftliche Fakultät, Fachbereich IV Informatik, Methoden der Medizininformatik
Sand 14
72076 Tübingen

Das Vorhaben konzentriert sich auf Innovationen im Bereich Sicherheit, Datenschutz und KI im medizinischen Kontext, um den Austausch und die Nutzung klinischer und Omik-Daten in einem Verband von medizinischen Einrichtungen, Krankenhäusern und Forschungslabors auf skalierbare, sichere, verantwortungsvolle und datenschutzbewusste Weise zu ermöglichen. Es wird versucht, die wichtigsten Herausforderungen in Bezug auf Skalierbarkeit, Datenschutz, Sicherheit und Ethik beim Datenaustausch zu bewältigen, um eine effektive P4-Medizin zu ermöglichen, indem ein optimales Gleichgewicht zwischen Benutzerfreundlichkeit, Skalierbarkeit und Datenschutz definiert und geeignete Methoden entwickelt und bereitgestellt werden, um dies zu erreichen. Um das volle Potenzial aller Messdaten nutzen zu können müssen sie mit den klinischen Daten verknüpft werden. Die Datenintegrationszentren der Medizininformatikinitiative stellen hierfür eine sehr gute Grundlage für einfache Analysen, z. B. mit Hilfe von Data Shield. Viele komplexe KI Methoden des maschinellen Lernens können bisher aber entweder gar nicht oder nur mit Approximationen verwendet werden. Die Forschung der Nachwuchsgruppe wird sich daher mit der Entwicklung von Methoden beschäftigen, die diese komplexeren Analysen unter Einhaltung der Datensicherheit ermöglichen und dann für den Personal Health Train, der im Rahmen von DIFUTURE entwickelt wird, verfügbar machen, was auch den interkonsortialen Use Cases wie CORD und POLAR zugutekommen wird.