Datensatzkompression macht KI im Gesundheitswesen datenschutzfreundlich

In einer bahnbrechenden Studie zeigt sich, dass die Technik der Datensatzkompression (DC) es ermöglicht, aus einer großen Menge medizinischer Daten ein kompakteres, synthetisches Set zu erzeugen, das die Leistung von Modellen genauso gut reproduziert wie das Original. Durch die Fokussierung auf die praktische Nützlichkeit statt auf die genaue Replikation der Datenverteilung eröffnet DC neue Wege für die Demokratisierung von Gesundheitsdaten.

Besonders spannend ist die Kombination von DC mit Differential Privacy. So können synthetische Datensätze als sichere Alternative zu echten Patientenakten dienen, ohne dass sensible Informationen preisgegeben werden. Bisher waren DC‑Methoden jedoch auf differenzierbare neuronale Netze beschränkt, was ihre Anwendung bei gängigen klinischen Modellen wie Entscheidungsbäumen oder Cox‑Regressionen einschränkte.

Die neue Arbeit löst dieses Problem, indem sie einen differenzierungsfreien, Null‑Order‑Optimierungsrahmen einführt. Dieser Ansatz nutzt lediglich Funktionsauswertungen und ist damit mit allen nicht differenzierbaren Modellen kompatibel. Auf sechs unterschiedlichen Datensätzen – sowohl Klassifikations- als auch Überlebensaufgaben – demonstriert die Methode, dass die komprimierten Datensätze die Modellleistung erhalten und gleichzeitig wirksame Datenschutzgarantien bieten.

Das Ergebnis ist ein Modell‑agnostischer Ansatz für den sicheren Datenaustausch in der klinischen Forschung. Forscher können nun synthetische, datenschutzfreundliche Datensätze teilen, ohne die Privatsphäre der Patienten zu gefährden, und gleichzeitig die Leistungsfähigkeit ihrer Vorhersagemodelle beibehalten.