KI-Modelle teilen, nicht Patientendaten
Europäische Gesundheitsdaten stecken in nationalen Silos fest. Ein neuer Vorschlag in Science plädiert für einen anderen Ansatz: Statt Patientendaten zu teilen, sollen die darauf trainierten KI-Modelle weitergegeben werden.
Das Konzept dahinter heißt Federated Learning. Anstatt dass Krankenhäuser und Forschungseinrichtungen rohe Gesundheitsdaten an einen zentralen Ort schicken, verbleiben die Daten dort, wo sie entstehen. Ein KI-Modell wird zu den Daten gebracht, lernt aus ihnen und sendet anschließend nur die aktualisierten Modellparameter zurück. Keine einzige Patientenakte verlässt die jeweilige Einrichtung.
Der Vorschlag in Science richtet sich an den European Health Data Space, eine EU-Initiative, die Gesundheitsdaten für die Forschung besser zugänglich machen soll. Die Autorinnen und Autoren argumentieren, dass die bestehenden rechtlichen und technischen Hürden beim Datenaustausch umgangen werden können, wenn statt der Daten die Modelle geteilt werden.
Bedeutung für die Longevity-Forschung
Die Alternsforschung ist auf große Datensätze angewiesen. Langlebigkeitsstudien begleiten Menschen über Jahrzehnte hinweg, über Ländergrenzen und Institutionen hinaus. Die derzeitige Zersplitterung europäischer Gesundheitsdaten bremst genau diese Art von Forschung erheblich aus.
Mit Federated Learning können Forschende KI-Modelle auf Daten von Tausenden Patientinnen und Patienten in mehreren Ländern trainieren, ohne dass diese Daten das Krankenhaus je verlassen. Das ist nicht nur aus Datenschutzsicht vorteilhaft, es ermöglicht auch Studien, die heute praktisch nicht durchführbar sind.
Offene Fragen und Herausforderungen
Geteilte Modelle sind allerdings nicht völlig wasserdicht. Unter bestimmten Bedingungen können sie Informationen über die Daten preisgeben, auf denen sie trainiert wurden. Die Autorinnen und Autoren räumen dies ein und fordern zusätzliche technische Schutzmaßnahmen.
Der Ansatz erfordert zudem eine technische Standardisierung. Wenn jedes Krankenhaus seine Daten anders strukturiert, fällt es Modellen schwer, aus der Kombination zu lernen. Interoperabilität ist damit ein Infrastrukturproblem, das sich durch bessere Modellierung allein nicht lösen lässt.
Für das Longevity-Feld ist dies dennoch ein relevanter politischer Ansatz. Ein besserer Zugang zu europäischen Gesundheitsdaten würde sowohl die Grundlagenforschung als auch die klinische Alternsforschung beschleunigen.
Selbst recherchieren?
Suche nach Begriffen wie: federated learning health data Europe