Data Protection DOI: 10.38023/124fecab-d797-4301-8d61-ec342ba22865

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

Jan Hospes
Jan Hospes
Walter Hötzendorfer
Walter Hötzendorfer
Philipp Poindl
Philipp Poindl
Christof Tschohl
Christof Tschohl
Region:

EU

Field of law:

Data Protection

Collection:

Conference proceedings IRIS 2024

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.


Table of contents

  • 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
Please log in to read the full text.
Register for Campus? More
Login Poster
Previous Next