Jusletter IT

Federated Machine Learning als Mittel zur Überwindung rechtlicher Hürden der Forschung mit Gesundheitsdaten

  • Authors: Jan Hospes / Walter Hötzendorfer / Philipp Poindl / Christof Tschohl
  • Category of articles: Data Protection
  • Region: EU
  • Field of law: Data Protection
  • Collection: Conference proceedings IRIS 2024
  • DOI: 10.38023/124fecab-d797-4301-8d61-ec342ba22865
  • Citation: Jan Hospes / Walter Hötzendorfer / Philipp Poindl / Christof Tschohl, Federated Machine Learning als Mittel zur Überwindung rechtlicher Hürden der Forschung mit Gesundheitsdaten, in: Jusletter IT 24 April 2024
Machine Learning in der medizinischen Forschung erfordert große Datenmengen und somit häufig die Einbeziehung von Daten aus mehreren medizinischen Einrichtungen. Federated Machine Learning ermöglicht dies, ohne dass die Daten die jeweilige Einrichtung verlassen, in der sie erhoben wurden. Dadurch steigert Federated Machine Learning nicht nur die Zugänglichkeit vorhandener Gesundheitsdaten für die Forschung, sondern eröffnet auch neue Möglichkeiten betreffend die Rechtsgrundlagen für diese Forschung, die im Beitrag analysiert werden.

Inhaltsverzeichnis

  • 1. Einleitung
  • 2. Federated Machine Learning
  • 3. Personenbezug im Federated-Machine-Learning-System
  • 4. Komplexität der Rollenverteilung
  • 5. Rechtsgrundlagen der Datenverarbeitung
  • 5.1. Verarbeitung durch den Teilnehmer
  • 5.2. Verarbeitung durch den Koordinator
  • 6. Fazit

No comments

There are no comments yet

Ihr Kommentar zu diesem Beitrag

AbonnentInnen dieser Zeitschrift können sich an der Diskussion beteiligen. Bitte loggen Sie sich ein, um Kommentare verfassen zu können.