AVATAR - Anonymisierung persönlicher Gesundheitsdaten durch Erzeugung digitaler Avatare in Medizin und Pflege


 

EEGs sind Messungen der elektrischen Gehirnaktivität mit Hilfe von Elektroden auf der Kopfoberfläche. Die aufgezeichneten Kurven der elektrischen Potentiale über der Zeit werden sowohl visuell inspiziert als auch mit fortgeschrittenen Signalverarbeitungsmethoden analysiert. Die „Zick-Zack-Kurven“ galten bis vor kurzem als anonym – selbst Experten können sie nicht wiedererkennen und noch nicht einmal das Geschlecht des Patienten von ihnen ablesen. Durch Deep Learning hat sich diese Situation grundlegend verändert: neuronale Netze erkennen aus wenigen Sekunden EEGs das Geschlecht und können aus MEGs auch ein Subjekt wiederkennen.

In diesem Projekt wird die Anonymisierung von Elektroenzephalographie (EEG)-Daten erforscht. Es werden (1) die Bedingungen ermittelt, unter denen EEGs wiedererkannt werden können und (2) Methoden erforscht, um EEGs unter Beibehaltung der medizinisch relevanten Information zu anonymisieren. Weiterhin wird (3) der theoretische Informationsgehalt des EEGs analysiert, um das Risiko einer Re-Identifikation mit zukünftigen Methoden abzuschätzen. Für die Halter von EEG-Daten werden (4) Pflichten und Handlungsempfehlungen ermittelt, die sich ergeben, wenn nach heutigem Standanonyme Daten mit zukünftigen Methoden identifizierbar werden.

Förderung

  • Förderkennzeichen: BMBF 16KISA024
  • Finanziert durch die Europäische Union - NextGenerationEU. Die geäußerten Ansichten und Meinungen sind ausschließlich die des Autors/der Autoren und spiegeln nicht unbedingt die Ansichten der Europäischen Union oder der Europäischen Kommission wieder. Weder die Europäische Union noch die Europäische Kommission können für sie verantwortlich gemacht werden.