Datenschutzkonforme Augenbilder: In die Augen blicken ohne Erkennen

Ein Medizininformatikteam des Universitätsklinikums Jena hat ein datenschutzkonformes Vorgehen zur KI-gestützten Erzeugung realitätsnaher Augenbilder entwickelt.

Nach Angaben der Entwickler bleiben die generierten Bilder diagnostisch auswertbar. Jedoch ist die Identifizierung der für die Trainingsdaten abgebildeten Personen nicht mehr möglich. Das Team hat seine Arbeit im Fachjournal „PLOS Digital Health“ veröffentlicht. Sie zeigt einen neuen Ansatz, um die in der Augenmedizin bislang schwer miteinander vereinbaren Anforderungen an medizinische Nutzbarkeit und Anonymität zu erfüllen.

Spezielle Anpassung eines generativen KI-Modells auf Augenbilder

Bilddaten sind eine maßgebliche Grundlage für Entscheidungen in der Krankenversorgung. Ebenso spielen sie eine wichtige Rolle in der medizinischen Wissenschaft. Gleichzeitig enthalten Bilder oft Kennzeichen, die eindeutig mit einer bestimmten Person verbunden sind. Das stellt dann hohe Anforderungen an den Datenschutz. Besonders deutlich wird dieses Dilemma in der Augenmedizin. Sie benötigt für die Diagnostik Bilder vom Auge, die besonders gut für die Personenidentifizierung geeignet sind.

Im Forschungsverbund Avatar stand ein Medizininformatikteam des Universitätsklinikums Jena vor der Aufgabe, datenschutzkonform Trainingsdaten für die augenmedizinische Geräteentwicklung bereitzustellen. In einem ersten Schritt haben die Medizininformatiker ein generatives KI-Modell speziell auf Augenbilder angepasst. „Es erzeugt aus echten Bildern synthetische Bilder, die den Originalen sehr ähnlich sind und deren Krankheitsmerkmale wiedergeben“, so Sebastian Uschmann. „Individuelle biometrische Details jedoch werden verändert.“

„Cone of Privacy“ schließt Bilder mit erhöhtem Datenschutzrisiko aus

Dass diese Veränderung für eine Anonymisierung ausreicht, sichert ein zweiter Schritt. Die Wissenschaftler entwickelten zusätzlich ein analytisches Maß. Damit kann bewertet werden, wie ähnlich das synthetische Bild dem Original hinsichtlich der Identität ist. Auch zeigt sich, ob die wichtigen medizinischen Informationen erhalten geblieben sind. Erzeugte Bilder mit erhöhtem Datenschutzrisiko erkennt das als „Cone of Privacy“ bezeichnete Maß automatisch. Außerdem schließt es sie aus.

Für die Evaluation des Verfahrens nutze das Team einen Datensatz mit 2000 Augenbildern von 704 Personen. „Der Algorithmus erzeugte realitätstreue synthetische Bilder, die sich für ophthalmologische Forschungs- und Entwicklungszwecke eignen, und identifizierte zuverlässig datenschutzkritische Bilder“, resümiert Prof. Cord Spreckelsen. „Das Verfahren lässt sich auf andere medizinische Bilddaten übertragen und trägt dazu bei, dass medizinische Daten datenschutzfreundlich in Kooperationen, als Trainingsdaten und für wissenschaftliche Fragestellungen genutzt werden können.“