Sensible Gesundheitsdaten sicher nutzen – mit digitalen Avataren
Gesundheitsdaten bilden eine wesentliche Basis für Fortschritte in der Diagnostik, für individualisierte Therapien sowie für die Entwicklung innovativer Medizinprodukte. Gleichzeitig gehören sie zu den besonders schützenswerten personenbezogenen Daten, deren Verarbeitung höchste Anforderungen an Datenschutz und Datensicherheit stellt.
Von der Forschung in die Anwendung
Das Projekt AVATAR-Transfer verfolgt das Ziel, innovative Konzepte, Methoden und Lösungen für die sichere Erfassung, Bereitstellung und Verarbeitung von Gesundheitsdaten zu entwickeln. Dabei werden die im Vorgängerprojekt AVATAR entwickelten Ansätze weitergeführt und die AVATAR-Plattform für eine effiziente Sekundärdatennutzung in Forschung und Entwicklung weiterentwickelt und implementiert.
Im Fokus steht der Einsatz moderner Anonymisierungs- und Datenschutzverfahren, um sensible Gesundheitsdaten datenschutzkonform nutzbar zu machen. Die entwickelten Lösungen werden durch rechtliche, ethische und sozialwissenschaftliche Analysen begleitet, um eine nachhaltige und gesellschaftlich akzeptierte Nutzung zu gewährleisten.
Durch die enge Zusammenarbeit von Forschungseinrichtungen, Kliniken und Unternehmen leistet das Projekt einen langfristigen Beitrag zur Verbesserung der Patientengesundheit sowie zur Stärkung datengetriebener Innovationen im Gesundheitswesen.
Innovative Anwendungsszenarien für Gesundheitsdaten
Im Mittelpunkt des neuen Vorhabens stehen verschiedene Anwendungsfelder, in denen Lösungen zur Anonymisierung und datenschutzkonformen Nutzung sensibler Gesundheitsdaten weiterentwickelt und erprobt werden sollen.
- Vorhersage von Therapieverläufen in der Hörgesundheit durch sicheres föderiertes Lernen
- Optimierung ophthalmologischer Rehabilitationsangebote und Nutzerschulungen für Geräte auf Basis anonymisierter Patientendaten.
- Nutzung und statistische Auswertung anonymisierter Gesundheitsdaten zur Erfüllung der Post-Market-Surveillance zugelassener Medizinprodukte
- Sicherstellung der Anonymität klinischer Biosignaldaten und Erforschung der Wiedererkennbarkeit von nicht-anonymisierten Daten aus Consumer-Geräten
- Anonymisierung humaner Genomdaten bereits während der Sequenzierung