PrETTI
PrETTI – Ihr Einstieg in die datenschutzfreundliche Gesundheitsforschung
Die Einführung der ePA bietet neue Chancen für die Forschung an echten Gesundheitsdaten. Diese können sinnvoll genutzt werden, um
- Gesundheitsrisiken frühzeitig zu erkennen,
- bessere Behandlungen zu finden,
- wirksamere Medikamente zu entwickeln.
Damit möglichst viele Versicherte ihre ePA-Daten für Forschungszwecke zur Verfügung stellen (Sekundärnutzung), muss der Datenschutz jederzeit gewährleistet sein. Benötigt werden hierfür Privacy Enhancing Technologies in der Telematikinfrastruktur – also spezielle Software- und Hardware-Lösungen die darauf abzielen, den Schutz der Privatsphäre und personenbezogener Daten sicherzustellen.
Wie funktioniert datenschutzfreundliche Gesundheitsforschung? PrETTI gibt Antworten.
Im Projekt PrETTI werden mehrere Privacy Enhancing Technologies (PETs) auf ihre Praxistauglichkeit untersucht und miteinander kombiniert. Der Fokus liegt auf der technischen Gewährleistung des Datenschutzes bei der Sekundärnutzung der ePA-Daten. Im Zentrum stehen dabei folgende Fragestellungen:
- Wie können unter Nutzung von PETs die in den ePAs vorhandenen Gesundheitsdaten für Forschung, statistische Gesundheitsabfragen und somit für die öffentliche Gesundheit nutzbar gemacht werden?
- Wie können Versicherte von den Forschungsergebnissen in Form von neuen Therapien und Gesundheitsanwendungen profitieren, die von Versorgern und Herstellern als Versorgungsservices zur Verfügung gestellt werden?
Ziel der Untersuchungen ist es, den technisch sicheren Datenaustausch der ePA-Daten zwischen den Anspruchsgruppen zu ermöglichen. Dabei berücksichtigt das Projektteam das Zusammenspiel von Versicherten, Forschenden und Leistungserbringern und integriert sie in einen gemeinsamen Mehrwertkreislauf.
Die Roadmap: Ein Überblick der Projektphasen von PrETTI
Die Projektserie PrETTI evaluiert die Machbarkeit und Skalierbarkeit von Privacy
Enhancing Technologies (PETs) anhand konkreter medizinischer Informationssysteme in der Gesundheitsversorgung. In verschiedenen Projektphasen werden unterschiedliche Technologien geprüft:
PrETTI 1
- Überblick über aktuelle Lösungen zur Gewährleistung des Datenschutzes bei Machine-Learning (ML)-Anwendungen im medizinischen Bereich
- Untersuchung kryptografischer Methoden und Techniken zum Schutz der Patientendaten
- Diskussion von ML-Algorithmen in Abwägung ihrer Anwendbarkeit
- Empfehlung von ML-Ansätzen
- Video: Multi Party Computation (Youtube)
- Video: Homomorphic Encryption (Youtube)
PrETTI 2
- Evaluierung von zwei ausgewählten PETs: Confidential Computing und Differential Privacy
- Architekturkonzept: generelles Design der Lösung sowie architekturellen Abwägungen
- Zugriffskonzept: Gewährleistung der Datensicherheit in einer zukünftigen elektronischen Patientenakte ohne Ende-zu-Ende Verschlüsselung der Patientendaten
- Installation: notwendige Schritte, um den Proof of Concept lokal oder in einem Test Cluster nachzuvollziehen
- Simulation: Ergebnisse der Simulationsläufe, welche im Test-Cluster durchgeführt wurden
- Prozessdarstellung der Forschungsdatenanfrage
