Einfluss und Rolle von Daten innerhalb resilienter, sicherer und vertrauenswürdigen KI-Anwendungen im Gesundheitswesen

Projektzusammenfassung

Die geplante Dissertation untersucht den Einfluss medizinischer Daten auf Anwendungen der Künstlichen Intelligenz im Gesundheitswesen. Da Daten beim maschinellen Lernen als primäres Konfigurationselement fungieren, determiniert ihre Qualität maßgeblich die Zuverlässigkeit der Modelle und somit die Patientensicherheit. Regulatorisch geforderte Privatisierungsverfahren wie Anonymisierung oder die Nutzung synthetischer Daten schützen zwar die Vertraulichkeit, reduzieren jedoch unweigerlich den Informationsgehalt und die analytische Nutzbarkeit. Zudem gefährden gezielte Manipulationen der Datenbasis die Integrität der eingesetzten Algorithmen.

Ziel der Arbeit ist die qualitative und quantitative Beurteilung dieser datengetriebenen Einflussfaktoren. Methodisch quantifiziert eine empirische Evaluation anhand etablierter Modelle und medizinischer Datensätze zunächst die Wissensrepräsentation in Rohdaten sowie den Informationsverlust durch Datenschutztechniken. Abschließend wird die Modellresilienz durch simulierte Angriffe auf Datenebene getestet, um die Verwundbarkeit gegenüber Fehlklassifikationen präzise zu messen. Die Ergebnisse liefern ein fundiertes und messbares Verständnis über die Stärken und Schwächen aktueller algorithmischer Ansätze im medizinischen Kontext.

Lebenslauf von Christopher Latz

Christopher Latz studierte Informationsmanagement (B.Sc.) sowie eGovernment (M.Sc.) an der Universität Koblenz. Seit dem Abschluss seines Masterstudiums arbeitet er als wissenschaftlicher Mitarbeiter und Doktorand bei Prof. Dr. Andreas Mauthe in der Arbeitsgruppe IT und Datensicherheit. Darüber hinaus ist er Kollegiat des Forschungskollegs Data2Health.