Icon AIQNET – Medical Data Ecosystem (ehemals KIKS - Künstliche Intelligenz für klinische Studien)

Praxisbeispiel und aktuelle Herausforderungen

  • Ab Mai 2020 fordert der europäische Gesetzgeber von Medizintechnikherstellern über den gesamten Produktlebenszyklus die Bereitstellung von Daten zu Leistung und Sicherheit der Produkte. Erhoben werden diese Daten in Kliniken, in denen die Produkte zum Einsatz kommen. Bei der automatisierten Extraktion und Auswertung der Daten können Methoden der KI unterstützen.
  • Von der kontinuierlichen Datenerhebung können viele Stakeholder im Gesundheitsbereich profitieren: die Hersteller der Produkte, Ärztinnen und Ärzte, Krankenversicherungen, staatliche Stellen der Marktüberwachung und Forschungseinrichtungen im Bereich der Medizin und Versorgungsforschung.
  • Ein Großteil klinischer Daten kann derzeit aufgrund unterschiedlicher Datenformate und der unstrukturierten Form der Daten nicht für statistische oder wissenschaftliche Zwecke genutzt werden. Sie entziehen sich dadurch einem medizinischen Erkenntnisgewinn.
  • Mit Blick auf die Nutzung von Gesundheitsdaten sind zahlreiche Regularien, Normen und Gesetze im nationalen und internationalen Kontext zu erfüllen, die anspruchsvolle technische Maßnahmen erfordern und einer leichten Nutzbarkeit teilweise entgegenstehen.
  • Es existieren Vorbehalte in der Branche, kommerziellen Cloud-Anbietern mit Closed-Source-Systemen Gesundheitsdaten anzuvertrauen.
Infografik: AIQNET – Medical Data Ecosystem (ehemals KIKS - Künstliche Intelligenz für klinische Studien)

Welchen Mehrwert bietet das „Projekt GAIA-X“?

  • Das Projekt kann die Basis eines zuverlässigen Systems zur Nutzung von Gesundheitsdaten schaffen und dabei die technische Umsetzung internationaler Vorgaben zu Rechts-, Daten-und Cybersicherheit bilden. Durch die Bereitstellung von Speicherplatz und Rechenleistung in einem sicheren Rahmen können Kliniken und KMU auch in sensiblen Bereichen von den Skaleneffekten Cloud-basierter Dienste profitieren.
  • Das Projekt kann Funktionen zur standardisierten Anonymisierung und Pseudonymisierung sowie zur Klassifikation von Daten beinhalten, die für die rechtskonforme Nutzung durch unterschiedliche Nutzergruppen, beispielsweise zum Trainieren von KI-Modellen (sog. Secondary Use), benötigt werden.
     Das Projekt könnte standardisierte Schnittstellen bereitstellen, über die verschiedene Nutzergruppen und Anbieter des Gesundheitswesens auf eine vertrauensvolle Cloud-Umgebung zugreifen können.
  • Aus bilateralen Einzelprojekten können vernetzte Lösungen unterschiedlicher Projektpartner entstehen, die die Nutzung der Daten ermöglicht, die Anwendung von KI erleichtert und damit Synergien fördert.
  • Mit modularen, verteilten Lösungen ist es möglich, Datenverarbeitung und -hosting zu trennen. Anonymisierte Daten können durch eine vernetzte Struktur dort zusammengeführt werden, wo sie für eine Analyse erforderlich sind. Dadurch können sehr sensible Daten an Ort und Stelle verbleiben, zum Beispiel im Krankenhaus, während andere Daten zur Verarbeitung und Analyse ausgetauscht werden können.

Pate

  • Frank Trautwein – Raylytic, für das Konsortium „AIQNET - Medical Data Ecosystem“ (ehemals KIKS - Künstliche Intelligenz für klinische Studien), gefördert im Rahmen des Innovationswett-bewerbs „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ des BMWK