Statice und M-sense kooperieren

Big Data sicher und anonym für Forschungszwecke nutzen

| Autor / Redakteur: Martin Hensel / Nico Litzel

Statice und M-sense verfolgen einen neuen Ansatz bei sensiblen Daten und deren Auswertung.
Statice und M-sense verfolgen einen neuen Ansatz bei sensiblen Daten und deren Auswertung. (Bild: Statice)

Der Softwarespezialist Statice und die Migräne- und Kopfschmerz-App M-sense befassen sich gemeinsam mit der Frage, wie man erhobene Daten sicher und datenschutzkonform zu Forschungszwecken nutzen kann.

Gesundheitsdaten sind für die Untersuchung von Krankheitsbildern und -verläufen unabdingbar. Mehr Daten führen zu präzisieren Ergebnissen. Allerdings reicht oft die Informationsmenge, die in Krankenhäusern oder klinischen Studien erhoben wird, nicht für umfassende Ergebnisse aus. Eine zusätzliche Datenquelle könnten künftige mobile Gesundheits-Apps darstellen, wie etwa M-sense. Nutzer dokumentieren darüber ihre Krankheitsverläufe und Symptome. Durch den oft täglichen Einsatz entsteht schnell eine große Menge an relevanten Gesundheitsdaten. „Man muss Patienten auch davor schützen, dass ihre Daten ungenutzt bleiben. Daten sind der Schlüssel zur personalisierten Therapie”, meint Migräneforscher und M-sense-Mitgründer von M-sense Dr. Markus A. Dahlem.

Datenschutz im Fokus

Selbstverständlich können die entsprechenden Daten nicht einfach so ausgewertet oder für die Forschung genutzt werden, nicht zuletzt aufgrund geltender Bestimmungen. Einen Lösungsweg bietet die Datenanonymisierung, die den Bezug zu einer echten Person entfernt. Allerdings sind traditionelle Methoden oft nicht zuverlässig genug oder verändern die Originaldaten zu stark. Dies führt wiederum zu einem erheblichen Verlust an statistischer Aussagekraft und macht den anonymisierten Datensatz somit nutzlos.

Synthetische Datensätze

Statice und M-sense wollen dieses Problem gemeinsam lösen und setzen dazu auf die Kerntechnologie von Statice. Sie generiert so genannte synthetische Daten, was einem komplett neuen Datensatz entspricht. Dabei kommt ein generatives Machine-Learning-Modell zum Einsatz, das auf die echten Daten angewandt und dort auch trainiert wird und so deren Strukturen und statischen Eigenschaften erlernt. Auf dieser Grundlage erzeugt das Modell neue synthetische Daten, die strukturell und statistisch den Echtdaten gleichen, aber in keiner Weise realen Einträgen in den Echtdaten entsprechen. Somit sind die Daten für Forschungszwecke nutzbar und gehen sogar über die existierenden Datenschutzanforderungen hinaus. Im Ergebnis soll das Verfahren zu neuartigen Diagnose- und Therapietools führen. Die beiden Partner wollen im September erste Resultate ihrer Zusammenarbeit präsentieren.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45975755 / Analytics)