NEMO

Nicht-Identifizierbarkeit von Elektroenzephalogrammen (EEG) und vergleichbaren Sensorsignalen aus medizinischer Versorgung für Open Science

Die Nutzung von personenbezogenen und personenbeziehbaren Daten, die sich auch und besonders auf biometrische Daten beziehen, wird im Kontext der Datenschutzgrundverordnung (DSGVO) streng geregelt. Patientinnen und Patienten sowie Anwenderinnen und Anwender genießen in Deutschland und Europa einen umfangreichen rechtlichen Schutz vor nichtautorisierter Nutzung und Preisgabe ihrer Daten. Aus dem starken Schutz resultiert aber auch in vielen Fällen eine mehr oder weniger stark eingeschränkte Nutzbarkeit der Daten, was wiederum im Konflikt zu deren gesellschaftlichen Wert für den medizinischen Erkenntnisgewinn und die Weiterentwicklung von Technologien steht. Um dieses Dilemma zu adressieren und aufzulösen, bedarf es technischer Lösungen, die eine datenschutzkonforme Bereitstellung und Nutzung der Daten im Sinne von »Open Data« ermöglichen, um so die Anforderungen bzgl. Datenschutz und Datennutzung gleichzeitig zu adressieren.

Ziele und Vorgehen

Im Projekt »NEMO« untersuchen Expertinnen und Experten, inwieweit durch erhobene Biosignale eine Person eindeutig identifiziert werden kann. Im Anschluss steht die Fragestellung, wie geeignete Anonymisierungsverfahren die Identifizierung und Preisgabe sensibler Informationen verhindern können, ohne den Daten ihren wissenschaftlichen Wert zu nehmen.

»NEMO« zielt insbesondere auf die Erforschung und Validierung neuartiger Verfahren zur Re-Identifizierungsanalyse und adaptiven Anonymisierung von Biosignalen am Beispiel von Elektroenzephalogrammen (EEG) aus Schlafmonitoringsystemen ab. Ein EEG zeichnet über Elektroden am Kopf Aktivitäten des Gehirns auf. Diese Daten sind aufgrund ihrer Informationsdichte einerseits besonders sensibel, andererseits aber auch besonders herausfordernd, was die Entwicklung effektiver Anonymisierungsverfahren betrifft. Gleichzeitig nimmt die Anzahl der Produkte auf dem Markt zu, die auch im Consumer-Bereich EEG-Daten erfassen.

Die Expertinnen und Experten entwickeln in »NEMO« zunächst Analyseverfahren, um die Risiken der Preisgabe von Identitäten und sensiblen Informationen in den aufgezeichneten Rohdaten zu quantifizieren. Anschließend werden Verfahren zur adaptiven Anonymisierung von EEG-Daten erforscht und erprobt, um diese Risiken zu minimieren und gleichzeitig einen möglichst hohen Nutzwert zu gewährleisten. Die Grundlage dafür bilden unter anderem das Know-how in der Anonymisierung von Audiodaten und anderen Verfahren des technischen Datenschutzes.

Um Nutzerinnen und Nutzer in den Anonymisierungsprozess einzubinden und ihnen Wirkungsweise und Mehrwert der eingesetzten Anonymisierungsvarianten deutlich zu machen wird außerdem ein Demonstrator entwickelt, der eine anwendungsbezogene Exploration und Analyse von EEG-Daten unter Zuhilfenahme der bereitgestellten Anonymisierungsverfahren ermöglicht.

Innovationen und Perspektiven

Das Projekt soll einen relevanten Erkenntnisgewinn schaffen, nicht nur durch das Aufzeigen konkreter Risikoszenarien, sondern auch durch die Entwicklung und Erprobung von Anonymisierungsverfahren in dem sensiblen Feld der Gesundheitsdaten. Das Projekt solle eine solide Grundlage für Datenschutzkonzepte und Anonymisierungsverfahren schaffen. Mit einer erprobten technischen Infrastruktur zielt es auf die umfassende Nutzung der Daten in Forschung und Entwicklung bei gleichzeitiger Wahrung des Datenschutzes.

Aufgabenbereiche der Projektpartner

Mobile Neurotechnologien

Fraunhofer IDMT Oldenburg

  • Koordination des Vorhabens
  • Neurophysiologische Bewertung der Ansätze und Ergebnisse zur EEG Re-Identifizierungsanalyse (Domain-Wissen)
  • Erforschung und Beschreibung der Anforderungen an zu erhaltende Parameter aus Sicht des Forschungsdatenzugriffs für den Anwendungsfall Schlaf
  • Schlafphasenerkennung und Detektion definierter Ereignisse im Schlaf für den Performancevergleich bei anonymisierten und nicht-anonymisierten Daten

Media Distribution and Security

Fraunhofer IDMT Ilmenau

  • Bewertung der Anwendungsanforderungen aus Sicht des technischen Datenschutzes
  • Erforschung und Entwicklung von Verfahren für Re-Identifizierungsanalyse, Auswahl geeigneter Privacy-Metriken zur Bewertung des Privacy-Utility-Tradeoff
  • Erforschung und Umsetzung von Verfahren für adaptive Anonymisierung von EEG-Daten (u.a. Übertragung von Knowhow bzgl. Audio-Anonymisierung), Differential Privacy
  • Erarbeitung eines Konzepts für den künftigen Einsatz von homomorpher Verschlüsselung und sicherem föderiertem Lernen für gemeinsames KI-Training

Ascora GmbH

  • Spezifikation Datenmodell und Systemdesign für eine integrierte Datenplattform
  • Entwicklung von Werkzeugen für anwendungsbezogene Datenexploration und -analyse
  • Umsetzung der integrierten Datenplattform als Demonstrator

Christian-Albrechts-Universität zu Kiel und Universitätsklinikum Schleswig-Holstein Campus Kiel

CAU & UKSH

  • Bereitstellung von Schlafdaten für die Entwicklung der Algorithmen und der Evaluation
  • Bewertung der Risikoszenarien aus Sicht der Medizin
  • Bearbeitung von ELSI-Themen (ethische, rechtliche und soziale Implikationen)
  • Medizinische und medizininformatische Evaluation der Projektergebnisse
  • Durchführung Stakeholderanalyse und Workshop
  • Erfassung und Bewertung der Anforderungen zur Anonymisierung von EEG- und Schlaf-EEG Daten aus klinischer Sicht

Weiterführende Informationen

 

Pressemitteilung / 9.5.2023

Datenschutz für Biosignale am Beispiel EEG

Projekt »NEMO« erforscht Anonymisierungsverfahren für Medizinische Daten.

 

Projekt SleepWell

Mobiles Multisensorsystems für das Schlafmonitoring

Schlafstörungen beeinträchtigen langfristig die Gesundheit. Deshalb arbeiten wir an einem ohrnahen Multisensorsystem, um Schlafverhalten bequem zuhause aufzeichnen zu können.

 

Projekt REMUS

Kontaktloses Gesundheitsmonitoring

Die Gruppe »Mobile Neurotechnologien« arbeitet am Monitoring von Vitalparametern: Kontaktlos, hygienisch und leicht einzurichten.

 

Projekt DA3KMU

Daten adaptiv anonymisieren

Entwicklung einer Open Source Software für maßgeschneiderte Anonymisierung und Pseudonymisierung von KMU-Daten, um datenschutzkonforme Weitergabe und Nutzung zu ermöglichen.

 

Projekt MOND

Mobile EEG-Systeme für eine bessere Epilepsie-Therapie

Aufgezeichnete Biosignale zum Anfallszeitpunkt in alltäglichen Abläufen helfen bei der Klassifizierung von Epilepsie-Erkrankungen.

 

Forschungscluster AVATAR

Das Fraunhofer IDMT, Ilmenau ist Mitglied in diesem Netzwerk, das sich mit der datenschutzkonformen Bereitstellung von klinischen Daten für Forschung und Innovation im Gesundheitswesen beschäftigt.

Gefördert vom Bundesministerium für Bildung und Forschung BMBF unter dem Förderkennzeichen 16KISA061K

 

Finanziert von der Europäischen Union – NextGenerationEU

Mobile Neurotechnologien

Die Gruppe »Mobile Neurotechnologien« arbeitet an diskreten EEG-Systemen zur Analyse von Hirnaktivitäten - u.a. zur sicheren Arbeitsplatzgestaltung oder für den Einsatz in Gesundheitsanwendungen.