TreuMed
Entwicklung und Erprobung von Datentreuhandmodellen am Beispiel der verteilten k眉nstlichen Intelligenz in der Medizin
TreuMed 鈥� Entwicklung und Erprobung von Datentreuhandmodellen am Beispiel der verteilten k眉nstlichen Intelligenz in der Medizin
Im Zuge der digitalen Revolution hat die Nutzung und Verarbeitung personenbezogener Daten besondere Bedeutung f眉r die allgemeine Wertsch枚pfungskette erlangt. Dabei ist es wichtig, einen Interessenausgleich aller Stakeholder sicherzustellen. W盲hrend Wirtschaft und Forschung an einem reibungslosen Datenaustausch interessiert sind, wollen die datengebenden Personen im Sinne des Datenschutzrechts und der Datenethik vor allem ihre Datenhoheit bewahren. Ein Schl眉ssel zum Abbau drohender Asymmetrien liegt in Einschaltung von Datentreuh盲ndern, d.h. neutralen Intermedi盲ren.
Um Datentreuh盲nder nachhaltig zu etablieren, bedarf es eines rechtlichen Regulierungsrahmens, der Datenschutz gew盲hrleistet und gleichzeitig Anreize f眉r Innovationsf枚rderung schafft. TreuMed nimmt sich dieser Herausforderung an. Wir entwickeln und erproben am Beispiel der 鈥瀡erteilten k眉nstlichen Intelligenz鈥� in der Medizin Datentreuhandmodelle und entsprechende Gesch盲ftskonzepte.
Maschinelle Lernverfahren in der medizinischen Forschung sind auf umfangreiche, sensitive Patientendaten angewiesen, um verl盲ssliche Prognosen erstellen zu k枚nnen. Der strenge Datenschutz kann den Forschungserfolg jedoch konterkarieren, weil es die verf眉gbare Datenmenge reduziert. Das wiederum wirkt sich negativ auf den Behandlungserfolg der Patienten aus. TreuMed liefert mit der鈥瀡erteilten k眉nstlichen Intelligenz鈥� in der Medizin eine technische L枚sung f眉r dieses Dilemma. Kern des TreuMed-Konzepts ist ein Ampelsystem f眉r Datentreuh盲nder: Je nach Identifizierbarkeit der Patientendaten wird eine von drei m枚glichen Privacy-Ebenen und ein entsprechendes Schutzvorkehrungslevel bestimmt. Flankiert wird das Modell durch Zertifizierungspflichten und Haftungskonzepte f眉r Restrisiken. Ferner erfolgt eine Erprobung der vorgestellten Modelle durch Anwendungen der 鈥瀡erteilten k眉nstlichen Intelligenz鈥� im Bereich der molekularen Epidemiologie und der Biomarkerforschung am Beispiel (identifizierender) Genomik- und Transkriptomik-Daten.
Dies ist ein Gemeinschafts-Projekt mit der Universit盲t Hamburg (Prof. Dr. Baumbach, Prof. Dr. Buchholtz) und der Universit盲t Greifswald (Prof. Dr. Voelker, Prof. Dr. Grebe). Beteiligt ist ferner ePrivacy GmbH, Gro脽e Bleichen 21, 20354 Hamburg, .
Themen: personenbezogene Daten, Datenschutz, Datentreuh盲nder, k眉nstliche Intelligenz, Datentreuhandmodelle
脺产别谤蝉颈肠丑迟
| Beteiligte der 第一吃瓜 | Prof. Dr. Christoph Bauer |
| Laufzeit | 2022 - 2025 |
| 贵枚谤诲别谤别谤 | Bundesministerium f眉r Bildung und Forschung (BMBF) |
| Projektpartner | Dies ist ein Gemeinschafts-Projekt mit der Universit盲t Hamburg (Prof. Dr. Baumbach, Prof. Dr. Buchholtz), der Universit盲t Greifswald (Prof. Dr. Voelker, Prof. Dr. Grebe) und der ePrivacy GmbH. |
| Projektinhalt | Entwicklung und Erprobung von Datentreuhandmodellen und entsprechenden Gesch盲ftskonzepten in der Medizin am Beispiel der 鈥瀡erteilten k眉nstlichen Intelligenz鈥� |
