er Einsatz von Künstlicher Intelligenz (KI) bietet die Chance, wissensintensive Tätigkeiten in der Medizin grundlegend zu unterstützen und zu verbessern. In der Praxis bleibt der Zugang zu geeigneten Daten jedoch häufig schwierig. Medizinische Daten sind besonders sensibel, unterliegen strengen Datenschutzanforderungen und liegen zudem oft in komplexen, heterogenen Strukturen in Gesundheitsinformationssystemen vor. Die Entwicklung solcher KI-Lösungen erfordert Daten aus Gesundheitsinformationssystemen, die unter Einhaltung datenschutzrechtlicher Vorgaben bereitgestellt werden und eine belastbare wissenschaftliche Nutzung ermöglichen.
Daher wurde im Vorgängerprojekt KI-AIM eine Privacy-Plattform (Cinnamon) entwickelt, die medizinische Daten datenschutzkonform depersonalisiert. Ziel war es, Restrisiken für die Privatheit zu reduzieren und gleichzeitig die analytische Qualität der Daten zu erhalten, damit sie für Forschungszwecke und die Entwicklung datengetriebener medizinischer Anwendungen genutzt werden können. Die Bereitstellung von Cinnamon als Open-Source-Plattform trägt dazu bei, Weiterentwicklung, Anpassbarkeit und breite Nachnutzung in Forschung und Versorgung zu ermöglichen.
KI-AIM2 setzt an dieser Basis an und entwickelt Cinnamon gezielt weiter, um die Plattform deutlich breiter, interoperabler und praxisnäher einsetzbar zu machen. Dazu werden drei zentrale Herausforderungen adressiert. Erstens wird die Interoperabilität zu Gesundheitsinformationssystemen verbessert. Über standardisierte Schnittstellen wie HL7 FHIR ermöglicht Cinnamon eine automatisierbare Anonymisierung und Synthetisierung. Dies erleichtert den Einsatz in der Praxis und macht die Plattform auch für weitere Anwendergruppen zugänglich. Zweitens wird Cinnamon für unstrukturierte Daten erweitert. Dafür werden Verfahren zur Anonymisierung und Synthetisierung von Freitexten integriert, unter anderem mit Large Language Models. Ein Schwerpunkt liegt auf der inhaltlichen Konsistenz zwischen generierten Texten und zugehörigen Daten sowie auf der systematischen Bewertung verbleibender Restrisiken. Drittens werden wiederverwendbare Anonymisierungspipelines aufgebaut. So können Daten regelmäßig aktualisiert und für Monitoring sowie (Re-)Training von KI-Modellen bereitgestellt werden.
Durch diese Weiterentwicklungen wird Cinnamon zu einer integrierbaren Plattform, die den Zugang zu datenschutzkonform aufbereiteten medizinischen Daten vereinfacht und damit Forschung und Entwicklung an der Schnittstelle von KI und Medizin beschleunigt.
Partner
Institut für Medizinische Informatik, Universität Münster (IMI) – Hauttumorzentrum der Klinik für Hautkrankheiten, Universität Münster (HTZ) – AG Medizininformatik, Berlin Institute of Health Charité (BIH) – Dedalus Healthcare GmbH (DH) – Health Data Technologies GmbH (Honic)
Assoziierte Partner: TMF e. V. – Medizinisches Datenintegrationszentrum
Medizinisches Datenintegrationszentrum Universitätsklinikum Augsburg
