Sicherheit 26.05.2021
Forscher der Technischen Universität München (TUM), des Imperial College London und der Non-Profit-Organisation OpenMined haben eine innovative Technik entwickelt, die die Privatsphäre von Patienten beim Trainieren von KI-Algorithmen zur Verbesserung künftiger Diagnosesysteme schützt. 'Federated Learning' wird verwendet, wobei Daten nicht geteilt werden, sondern der Deep-Learning Algorithmus selbst. Anwendung findet die neue Technik erstmals in einem Algorithmus, der in Röntgenbildern Pneumonien erkennt.
Zum Datenschutz werden zumeist die Verfahren der Anonymisierung und Pseudonymisierung angewendet - ein Vorgehen, das auch in der Kritik steht. 'Es hat sich in der Vergangenheit mehrfach gezeigt, dass diese Vorgehensweisen keinen ausreichenden Schutz für die Gesundheitsdaten von Patienten bieten', sagt Daniel Rückert, Alexander-von-Humboldt-Professor für Artificial Intelligence in Healthcare and Medicine an der TUM.
Laut dem in 'Nature Machine' veröffentlichten Ansatz handelt es sich um einen Deep-Learning-Algorithmus, mithilfe dessen sich Pneumonien in Röntgenbildern von Kindern klassifizieren lassen. 'Wir haben unsere Modelle gegen spezialisierte Radiologen getestet. Sie wiesen zum Teil eine vergleichbare oder höhere Genauigkeit in der Diagnose verschiedener Arten von Lungenentzündungen bei Kindern auf', verdeulticht Marcus R. Makowski, Direktor des Instituts für Radiologie am Klinikum rechts der Isar der TUM.
Damit sich keine Rückschlüsse auf die Daten einer bestimmten Institution ziehen lassen, mit denen der Algorithmus trainiert wurde, hat das Team eine weitere Technik angewendet: die sichere Aggregierung. 'Wir haben die Algorithmen verschlüsselt zusammengeführt und erst entschlüsselt, nachdem sie mit den Daten aller beteiligten Institutionen trainiert waren', erklärt Erstautor Georgios Kaissis vom Institute for AI and Informatics in Medicine der TUM.
Damit keine Infos über einzelne Patienten aus den Datensätzen herausgefiltert werden können, haben die Experten zusätzlich eine dritte Technik auf das Training des Algorithmus angewendet. 'Schlussendlich können zwar statistische Zusammenhänge aus den Datensätzen herausgelesen werden, nicht aber die Beiträge einzelner Personen zum Datensatz', betont Kaissis.
Weiter in der Web-Version mit Fotos, Videos, Links und mehr...
Auch interessant!
Datenschutz statt KI
74 Prozent der indischen KI-Nutzer finden den Schutz ihrer Privatsphäre wichtiger als die Vorteile, die d...
Datenschutz in Apps für Frauen
Viele beliebte Apps zum Thema Frauengesundheit entsprechen nicht die grundlegenden Datenschutz- und Siche...
Dall E 2 malt noch besser
Bilder erstellen mit hoher Auflösung nach Textbeschreibung aus natürlicher Sprache samt anschließender Be...
Digitale Datenschutz-Spaltung
Die rasante Verbreitung digitaler Informations- und Kommunikationstechnologien (IKT) stellt eine enorme H...
Datenschutz persönlich austesten
Medienwissenschaftler der Hochschule der Medien Stuttgart haben im Zuge des Forschungsprojekts 'Digital ...
Stau Stunden vorher errechnen
Mithilfe von Künstlicher Intelligenz (KI) lassen sich Verkehrsstaus vorhersagen, die erst in drei Stunden...
Zyklus-Apps sammeln Intimes
Zyklus-Apps, die Frauen mit Funktionen rund um die Themen Periode, Verhütung und Eisprung locken, gehen m...
Ärzte recherchieren im Web
Rund 16 Prozent der Ärzte in Australien suchen ihre Patienten gelegentlich in sozialen Netzwerken und ver...
Gesundheit: Apps selten sinnvoll
Unter den rund 40.000 Gesundheits-Apps in den App Stores sind nur etwa 40 Prozent tatsächlich in Zusammen...