NEMO – Nicht-Identifizierbarkeit von Elektroenzephalogrammen (EEG) und vergleichbaren Sensorsignalen aus der medizinischen Versorgung für Open Science
Das Projekt NEMO zielt auf die Erforschung und Validierung neuartiger Methoden zur Re-Identifikationsanalyse und adaptiven Anonymisierung von Biosignalen am Beispiel von EEG-Daten aus Schlafüberwachungssystemen.
Ziel von NEMO ist vor diesem Hintergrund, neuartige Verfahren zur Quantifizierung von Re-Identifizierungsrisiken auf Basis verschiedener Privacy-Metriken sowie zur adaptiven Anonymisierung von EEG-Daten und verknüpften Metadaten zur Reduzierung bzw. Vermeidung dieser Risiken zu entwickeln. Dazu werden Knowhow und Technologien bzgl. statistischer Analyse, Differential Privacy und der Anonymisierung von unstrukturierten zeitabhängigen Daten eingesetzt und zu einer modularen, konfigurierbaren „NEMO-Toolbox“ kombiniert und evaluiert. Zentrale Problemstellung ist hierbei, Datenschutzanforderungen und Anforderungen bzgl. Datenanalyse durch den Einsatz der Toolbox durch Nutzerinteraktion soweit möglich zu vereinbaren, die Anonymisierungsqualität zu bewerten und etwaige Trade-offs transparent zu machen. Diese Herausforderungen machen auch die Entwicklung spezifischer Werkzeuge für eine adäquate, anwendungsbezogene Datenexploration notwendig, und erfordern die Entwicklung einer integrierten, interoperablen Datenplattform, die Datenschutz- und Skalierungsaspekten entsprechend der aufgestellten Anforderungen berücksichtigt und eine hohe Wartbarkeit für eine nachhaltige Datennutzung erlaubt.
