Eugen Münch-Preis für innovative Gesundheitsversorgung

Der Eugen Münch-Preis für innovative Gesundheitsversorgung 2021 in der Kategorie Wissenschaft und angewandte Forschung geht an Dr. Georgios Kaissis und Alexander Ziller vom Institut für KI und Informatik in der Medizin.

Um KI-Algorithmen zu trainieren, sind große Datensätze nötig. Doch der Zugang zu den Daten ist erschwert, da diese oft schützenswerte und personenbezogene Personendaten enthalten und damit nicht zugänglich sind. Das Team hat eine die Privatsphäre wahrende und sichere KI entwickelt, die das Training ermöglicht, ohne dass direkter Datenzugang erforderlich ist.

Bei dem System „PriMIA“ (privacy-preserving medical imaging analysis) werden KI-Algorithmen dezentral trainiert. Die Daten verlassen nicht den Eigentümer, sondern die Algorithmen werden zu den Daten geschickt und lokal trainiert („federated learning“). Der Schutz der Daten erfolgt mit einer Kombination aus einer informationstheoretischen, quantifizierbaren Geheimhaltungsgarantie sowie einem kryptographischen Verfahren. Mit dem System trainierte Algorithmen können schließlich End-zu-End verschlüsselt genutzt werden, um an ebenso verschlüsselten Daten Diagnosen zu stellen.

Das Verfahren wurde an Röntgenbildern pädiatrischer Patienten trainiert und an zwei externen Datensätzen gegen Fachärzte für Radiologie und Kinderradiologen getestet. Selbst unter den striktesten Privatsphären- und Sicherheitsgarantien war die vom Algorithmus erbrachte Genauigkeit auf einer Ebene mit menschlichen Experten.

„Unsere Techniken ermöglichen einen Quantensprung in der Verfügbarkeit medizinischer Daten zum Training von KI-Algorithmen und eröffnen neue Möglichkeiten für die Telemedizin und die Erbringung KI-gestützter diagnostischer Dienstleistungen unter strengen Sicherheitsgarantien. Somit wird nicht nur eine Effizienzsteigerung in der Diagnostik erreicht; Privatsphären wahrende Systeme sind ebenso nahtlos in medizinische Datenverarbeitungssysteme und die elektronische Patientenakte integrierbar. Nicht zuletzt weisen die von uns vorgestellten Techniken den Weg für neue Märkte für die Nutzung privater Daten zum Erkenntnisgewinn in Wissenschaft und Industrie“, betont Kaissis.

Das System stellt das Team um Kaissis und Ziller kostenlos und open-source zur Verwendung.