Anonymisierung von Patientendaten

Anonymisierung im Kontext des Europäischen Gesundheitsdatenraums

Effiziente und effektive Anonymisierung von Patientendaten

Patientendaten sind die Grundlage der aktuellen und zukünftigen Medizin

In der heutigen datengesteuerten Welt ist die Erfassung medizinischer und biowissenschaftlicher Daten für die Forschung von großer Bedeutung. Diese Daten können dazu beitragen, Behandlungsergebnisse, klinische Bewertungen, Produktentwicklung und Beobachtung nach der Markteinführung zu verbessern. Die Nutzung von Gesundheitsdaten für diese Zwecke und der Schutz der Privatsphäre des Einzelnen ist ein Balanceakt, der mit strengen Vorschriften reguliert ist.

Der globale Markt für die Monetarisierung von Gesundheitsdaten wird bis 2028 voraussichtlich einen Wert von 0,9 Mrd. US-Dollar erreichen und sich im Prognosezeitraum (CAGR) um 18,5 % jährlich erhöhen1.

Der EU-Gesundheitsdatenraum wird in Zukunft eine wichtige Rolle bei der effizienten Verwaltung von anonymisierten Gesundheitsdaten spielen.  

Aktuelle Herausforderungen bei der Verarbeitung und Weitergabe von Patientendaten

Um die Privatsphäre der Patient:innen zu schützen, dürfen personenbezogene Gesundheitsdaten nur mit Zustimmung des Einzelnen verwendet und weitergegeben werden. Darüber hinaus besagen Vorschriften, dass die Daten nur für den ursprünglich vorgesehenen Zweck genutzt werden dürfen und nicht für andere Zwecke wie Studien oder KI-Training.

Oft wird Anonymisierung eingesetzt, um Gesundheitsdaten ohne Zustimmung der Patient:innen zu verarbeiten und ihre Privatsphäre zu schützen. Der Anonymisierungsprozess kann jedoch den ursprünglichen Datensatz unnötig verändern was zum Verlust von statistischen Eigenschaften und Informationen führt. Das Training von Algorithmen des maschinellen Lernens mit diesen ungenauen Daten kann zu Verzerrungen führen und letztlich die Ergebnisse für die Patient:innen negativ beeinflussen.

Trotz des wachsenden Bedarfs an Daten im Gesundheitswesen ist die Verfügbarkeit von anonymisierten Datensätzen nach wie vor begrenzt. Während die Nachfrage nach Daten steigt, kann die Verfügbarkeit offener Gesundheitsdatensätze nicht mithalten. Der Kauf von Gesundheitsdaten ist oft unerschwinglich und der Markt für Gesundheitsdaten verfügt möglicherweise nicht über ausreichend spezifische Daten für den beabsichtigten Zweck.


Graceful Anonymization: Effiziente und gesetzeskonforme Datenanonymisierung

Graceful Anonymization übertrifft die statische Anonymisierung in Bezug auf den tatsächlichen Nutzen bei gleichem Datenschutzniveau.

Unsere ZEISS Digital Innovation Anonymization Technologie bietet Unternehmen der Medizin- und Life-Science-Branche Zugang zu allen vorhandenen Datensätzen, die von ihren Produkten verarbeitet werden – egal ob on-premise oder in der Cloud – egal ob eigene oder fremde Daten. Durch den Einsatz unserer Anonymisierungslösung können sowohl bestehende als auch künftige Datensätze für Forschungs- oder Wiederverkaufszwecke genutzt werden.

  • Unser Graceful-Anonymisierungsalgorithmus sorgt für eine nutzungserhaltende Anonymisierung, die qualitativ hochwertige Daten liefert, während die Genauigkeit des ursprünglichen Datensatzes erhalten bleibt und die Privatsphäre der Patient:innen geschützt wird.
  • Unsere Lösung ist so konzipiert, dass sie die gesetzlichen Standards erfüllt und vollständig mit der General Data Protection Regulation (GDPR) und dem Health Insurance Portability and Accountability Act (HIPAA) konform ist. So können Kund:innen sicher sein, dass sie bei der Nutzung oder dem Austausch von Daten zu Forschungs- oder Produktdesign- und -entwicklungszwecken die gesetzlichen Bestimmungen einhalten.
Graphic showing that conventional anonymization techniques tend to lose more information than necessary.
Graphic showing that the Graceful Anonymization Technique has a similar information value to the Original Dataset.

Graceful Anonymization: Höherer Informationswert als herkömmliche Techniken

Anhand einer Studie von HIRA² wird in der Grafik gezeigt, dass Graceful Anonymization mehr Informationswert bewahrt als herkömmliche Techniken. Die Graceful-Anonymisierungstechnik (orange) kommt dem Informationswert des Originaldatensatzes (blau) sehr nahe. Im Gegensatz dazu gehen bei den üblichen Anonymisierungstechniken (grün) mehr Informationen als nötig verloren.

Nutzen Sie das Potenzial der Daten, die Sie verarbeiten

Unser Expertenteam steht Ihnen zur Verfügung, um Ihnen dabei zu helfen, das Potenzial von Gesundheitsdaten auszuschöpfen und unsere Anonymisierungstechnologie in Ihre Anwendung zu integrieren. Die Anonymisierungslösung ist unabhängig von den aktuellen Nachrichten- oder Datenstandards, die Sie verwenden, und funktioniert unter anderem mit DICOM-, FHIR- und HL7-Daten.

Jetzt Demo anfordern

Um eine unverbindliche Demo der Anonymisierungstechnologie und ein Gespräch mit einem unserer Expert:innen anzufordern, geben Sie bitte unten Ihre Daten ein. Unser Team wird sich in Kürze mit Ihnen in Verbindung setzen, um einen Termin zu vereinbaren.

Formular wird geladen ...

Wenn Sie weitere Informationen zur Datenverarbeitung bei ZEISS haben möchten, lesen Sie bitte unsere Datenschutzerklärung.

Kontakte

Dirk Asmus
Dirk Asmus Senior Solution Specialist
ZEISS Digital Innovation Health & Life Science Solutions
Leo Lindhorst
Leo Lindhorst Head of Innovation
ZEISS Digital Innovation Health & Life Science Solutions

Mehr über uns und unsere Mission

Unsere Mission bei ZEISS Digital Innovation Health Solutions ist es, heute digitale Lösungen zu schaffen, die morgen die Gesundheit der Menschen verbessern. Wir sind Mitglied der ZEISS-Gruppe und ein auf Medizintechnik und Diagnostik spezialisierter Partner für Individualsoftwareentwicklung und Qualitätssicherung.

We speak health & digital: Gemeinsam beschleunigen wir Ihre digitalen Gesundheitsinnovationen. Wir freuen uns darauf, Sie kennenzulernen und zu besprechen, wie wir Ihnen bei der Umsetzung Ihrer digitalen Roadmap helfen können!


  • 1

    https://www.marketsandmarkets.com/Market-Reports/healthcare-data-monetization-market-56622234.html

  • 2

    Source: Nation Patient Sample (NPS) dataset from HIRA (Health Insurance Review and Assessment service
    in Korea). The data in the graphic represents the number of male stroke patients for each age group. Hyukki Lee, Soohyung Kim, Jong Wook Kim and Yon Dohn Chung; Utility-preserving anonymization for health data publishing; Lee et al. BMC Medical Informatics and Decision Making (2017) 17:104  

Kontakt

Schreiben Sie uns!

Gerne beantworten wir Ihre Fragen, wenn Sie sich über das Kontaktformular bei uns melden.

Formular wird geladen ...

Optionale Angaben

Wenn Sie weitere Informationen zur Datenverarbeitung bei ZEISS haben möchten, lesen Sie bitte unsere Datenschutzerklärung.