Nicht-Identifizierbarkeit von Daten aus Elektroenzephalografie für Open Science (NEMO)
Durch die strengen Datenschutzregelungen (DSGVO) genießen personenbezogene und personenbeziehbare Daten einen besonderen Schutz. So ist beispielsweise die nicht-autorisierte Nutzung und Weitergabe von Patienten- oder biometrischen Daten untersagt. Aus diesem Grund sind die Daten für den medizinischen Erkenntnisgewinn und die Weiterentwicklung von Technologien oft allerdings nur eingeschränkt oder gar nicht nutzbar. Um dieses Dilemma aufzulösen, bedarf es technischer Lösungen, welche die Daten datenschutzkonform bereitstellen und die Nutzung im Sinne von „Open Data“ ermöglichen. Datenschutz (Privacy) und Datennutzung (Utility) müssen dabei gleichermaßen berücksichtigt werden.
Das Projekt „Nicht-Identifizierbarkeit von Elektroenzephalogrammen (EEG) und vergleichbaren Sensorsignalen aus medizinischer Versorgung für Open Science (NEMO)“ zielt darauf ab, neuartige Anonymisierungserfahren zu entwickeln, welche die Re-Identifizierungsrisiken bei der Auswertung der EEG-Daten reduzieren. Die EEG-Daten werden bei klinischen Untersuchungen, aber auch über Geräte erhoben, die Patientinnen und Patienten zur Schlafüberwachung auf dem freien Markt kaufen können. Der große Datenpool bietet aufgrund seiner Informationsdichte ein erhebliches Nutzungspotenzial für Forschung und Wirtschaft, birgt aber gleichzeitig ein großes Sicherheitsrisiko, wenn personenbezogene Daten relativ ungeschützt zur Verfügung gestellt werden. Die im Projekt anvisierten Verfahren zur Anonymisierung von EEG-Daten sollen vor diesem Hintergrund flexibel einsetzbar sein. Es gilt Datenschutzanforderungen für unterschiedliche Anwendungsfälle mit jeweils passenden messbaren Privacy-Metriken zu versehen. Ein Demonstrator führt diese Entwicklungsgegenstände zusammen und schafft somit die Grundlage für eine anwendungsfallbezogene, iterative Datenanalyse.
Das Projekt NEMO liefert einen relevanten Erkenntnisgewinn bezüglich konkreter Risikoszenarien sowie zur Entwicklung und Erprobung von Anonymisierungsverfahren in dem sensiblen Feld der Gesundheitsdatenerhebung. Darüber hinaus legt das Projekt den Grundstein für solide Datenschutzkonzepte und Anonymisierungsverfahren. So kann eine erprobte technische Infrastruktur geschaffen werden, die eine umfassende Nutzung der Daten in unterschiedlichen Anwendungsfällen ermöglicht und dabei den Datenschutz wahrt. Die anvisierten technologischen Lösungen bieten ein hohes Alleinstellungsmerkmal bezüglich des Datenschutzes auf dem Gesundheitsmarkt. Es besteht die realistische Möglichkeit, die Verfahren mit überschaubarem Aufwand für andere zeitabhängige Sensordaten anzupassen, was eine Vielzahl weiterer Anwendungs- und Verwertungsmöglichkeiten eröffnet.