TreuMed – Entwicklung und Erprobung von Datentreuhandmodellen am Beispiel der verteilten künstlichen Intelligenz in der Medizin
Im Zuge der digitalen Revolution hat die Nutzung und Verarbeitung personenbezogener Daten besondere Bedeutung für die allgemeine Wertschöpfungskette erlangt. Dabei ist es wichtig, einen Interessenausgleich aller Stakeholder sicherzustellen. Während 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 Schlüssel zum Abbau drohender Asymmetrien liegt in Einschaltung von Datentreuhändern, d.h. neutralen Intermediären.
Um Datentreuhänder nachhaltig zu etablieren, bedarf es eines rechtlichen Regulierungsrahmens, der Datenschutz gewährleistet und gleichzeitig Anreize für Innovationsförderung schafft. TreuMed nimmt sich dieser Herausforderung an. Wir entwickeln und erproben am Beispiel der „verteilten künstlichen Intelligenz“ in der Medizin Datentreuhandmodelle und entsprechende Geschäftskonzepte.
Maschinelle Lernverfahren in der medizinischen Forschung sind auf umfangreiche, sensitive Patientendaten angewiesen, um verlässliche Prognosen erstellen zu können. Der strenge Datenschutz kann den Forschungserfolg jedoch konterkarieren, weil es die verfügbare Datenmenge reduziert. Das wiederum wirkt sich negativ auf den Behandlungserfolg der Patienten aus. TreuMed liefert mit der„verteilten künstlichen Intelligenz“ in der Medizin eine technische Lösung für dieses Dilemma. Kern des TreuMed-Konzepts ist ein Ampelsystem für Datentreuhänder: Je nach Identifizierbarkeit der Patientendaten wird eine von drei möglichen Privacy-Ebenen und ein entsprechendes Schutzvorkehrungslevel bestimmt. Flankiert wird das Modell durch Zertifizierungspflichten und Haftungskonzepte für Restrisiken. Ferner erfolgt eine Erprobung der vorgestellten Modelle durch Anwendungen der „verteilten künstlichen Intelligenz“ im Bereich der molekularen Epidemiologie und der Biomarkerforschung am Beispiel (identifizierender) Genomik- und Transkriptomik-Daten.
Dies ist ein Gemeinschafts-Projekt der HSBA Hamburg School of Business Administration (Prof. Dr. Christoph Bauer), der Universität Hamburg (Prof. Dr. Baumbach, Prof. Dr. Buchholtz) und der Universität Greifswald (Prof. Dr. Völker, Prof. Dr. Grebe). Beteiligt ist ferner ePrivacy GmbH.