Datenschutzfreundliches Datenmanagement und maschinelles Lernen im Gesundheitswesen: Anwendungen, Herausforderungen und Lösungen

Zusammenfassung Datenmanagement (DM) und maschinelles Lernen (ML) Anwendungen in medizinischen Diagnosesystemen sind im Aufschwung. Datenschutz ist in diesen Systemen unerlässlich, da Gesundheitsdaten hochsensibel sind. Die vorgeschlagene Arbeit erörtert zunächst verschiedene Datenschutz- und Sicherheitsherausforderungen in diesen Systemen. Um diese anzugehen, diskutieren wir als Nächstes verschiedene datenschutzfreundliche (PP) Berechnungstechniken im Kontext von DM und ML zur sicheren Datenbewertung und -verarbeitung. Die aktuellen Anwendungen dieser Systeme im Gesundheitswesen werden in verschiedenen Phasen analysiert, wie z.B. der Datenerhebung, Datenveröffentlichung, Datendistribution und den Ergebnisphasen hinsichtlich PPDM sowie Eingabe-, Modell-, Trainings- und Ergebnisphasen im Kontext von PPML. Darüber hinaus wird auch PP-föderiertes Lernen behandelt. Schließlich präsentieren wir offene Herausforderungen in diesen Systemen und zukünftige Forschungsrichtungen. Dieser Artikel ist unter folgenden Kategorien eingeordnet: Anwendungsbereiche > Gesundheitstechnologien > Maschinelles Lernen Kommerzielle, rechtliche und ethische Aspekte > Sicherheit und Datenschutz