Aktuelles Gemeinsam lernen, ohne Daten auszutauschen

Je mehr eine künstliche Intelligenz lernt, desto besser kann sie auch Ärztinnen und Ärzte unterstützen. Dazu braucht sie grosse Datenmengen. Doch wie lässt sich das mit dem Schutz sensibler Patientendaten vereinbaren? Eine Studie unter der Leitung der Schulthess Klinik zeigt, wie mehrere Spitäler gemeinsam KI-Modelle trainieren können, ohne sensible Daten auszutauschen.

Künstliche Intelligenz unterstützt Ärztinnen und Ärzte zunehmend bei der Auswertung von Röntgenbildern. In der Wirbelsäulenchirurgie hilft sie zum Beispiel, die Wirbelsäule automatisch zu vermessen. Solche Messungen liefern wichtige Informationen für die Diagnose, die Behandlungsplanung und die Beurteilung von Operationsergebnissen und tragen dazu bei, Behandlungen zu verbessern. 

Damit solche KI-Systeme zuverlässig arbeiten, müssen sie mit grossen Mengen an Bilddaten trainiert werden. Gerade im Gesundheitswesen stösst das jedoch an Grenzen: Patientendaten dürfen aus Datenschutzgründen oft nicht zwischen Kliniken ausgetauscht werden.  Das stellte unsere Forschenden und Ärzteschaft vor die Frage: Wie können mehrere Spitäler gemeinsam von grossen Datenmengen profitieren, ohne sensible Informationen weiterzugeben?

Ein Forschungsteam unter der Leitung der Schulthess Klinik untersuchte dazu einen Ansatz namens «Federated Learning». Dabei bleiben die Patientendaten in der jeweiligen Klinik. Statt die Daten an einem zentralen Ort zusammenzuführen, wird das KI-Modell direkt vor Ort trainiert. Anschliessend werden lediglich die Lernergebnisse zusammengeführt, nicht die Daten selbst. 

Die zentrale Frage der Studie lautete: Kann eine KI zur automatischen Vermessung der Wirbelsäule auch dann zuverlässig lernen, wenn die Daten die einzelnen Kliniken nie verlassen? Das Ergebnis: Ja. Die datenschutzfreundliche Methode erreichte nahezu die gleiche Genauigkeit wie ein System, bei dem alle Daten zentral gesammelt wurden.

Die Studie zeigt, welche Chancen eine solche Form der Zusammenarbeit in der Medizin bietet: 

• Keine Kompromisse beim Datenschutz: Die sensiblen Gesundheitsdaten verlassen die jeweilige Klinik nicht. Das ermöglicht Forschung und Innovation, ohne Kompromisse beim Datenschutz einzugehen.
• Bessere Behandlungsqualität: Die KI kann aus einer grösseren Vielfalt von Daten lernen. Dadurch werden automatische Vermessungen der Wirbelsäule genauer und zuverlässiger, was die Diagnose und Behandlungsplanung unterstützt.
• Vorteile auch für kleinere Kliniken: Nicht nur grosse Zentren profitieren von solchen Systemen. Auch kleinere Kliniken können am gemeinsamen Wissen teilhaben und ihren Patientinnen und Patienten moderne KI-gestützte Unterstützung anbieten, ohne selbst über riesige Datenmengen verfügen zu müssen.

Für die Studie arbeiteten Forschende der Schulthess Klinik mit vier Partnerkliniken des European Spine Study Group Konsortiums zusammen. Beteiligt waren Universitätskliniken in Barcelona, Madrid, Bordeaux und Istanbul. Insgesamt flossen 3'064 Röntgenaufnahmen von 904 Patientinnen und Patienten in die Untersuchung ein. Die Daten blieben dabei jederzeit in den jeweiligen Kliniken. Das Projekt wurde durch den Forschungsfonds der Schulthess-Stiftung unterstützt. 

Die Studie zeigt, dass internationale Forschungsprojekte mit künstlicher Intelligenz auch unter strengen Datenschutzvorgaben möglich sind. Kliniken können Wissen bündeln und voneinander lernen, ohne sensible Patientendaten auszutauschen. Für die Orthopädie und Wirbelsäulenmedizin eröffnet dies neue Möglichkeiten, Forschungseinrichtungen besser zu vernetzen und KI-Anwendungen auf einer breiteren Datenbasis zu entwickeln. Davon profitiert langfristig die Forschung und mit ihr die Patientinnen und Patienten.