Opis projektu
Duże zbiory danych i sztuczna inteligencja zwiększą bezpieczeństwo innowacji w medycynie
Duże zbiory danych i sztuczna inteligencja torują drogę do opracowania nowych sposobów na usprawnienie opieki zdrowotnej, jednocześnie jednak ich stosowanie wiąże się z pewnymi zagrożeniami dotyczącymi bezpieczeństwa wrażliwych danych klinicznych magazynowanych w infrastrukturze informatycznej i komunikacyjnej podmiotów zajmujących się zdrowiem. Uczestnicy finansowanego ze środków Unii Europejskiej projektu FeatureCloud proponują w związku z tym nowatorską koncepcję zakładającą bezpieczeństwo na etapie projektu, by w ten sposób ograniczyć zagrożenia związane z cyberprzestępczością i umożliwić bezpieczną transgraniczną współpracę w zakresie analizy i eksploracji danych. Koncepcja zostanie urzeczywistniona w postaci zestawu narzędzi – oprogramowania mającego na celu wdrożenie pierwszej na świecie architektury zapewniającej prywatność. Do najważniejszych cech charakteryzujących nowatorską metodologię należy całkowity brak możliwości udostępniania wrażliwych danych za pośrednictwem kanałów komunikacji oraz brak jednego centralnego repozytorium danych. Rozwiązanie FeatureCloud połączy technologie federacyjnego uczenia maszynowego i blockchain w celu bezpiecznego wdrożenia technologii SI nowej generacji do pracy nad innowacjami w dziedzinie medycyny.
Cel
The digital revolution, in particular big data and artificial intelligence (AI), offer new opportunities to transform healthcare. However, it also harbors risks to the safety of sensitive clinical data stored in critical healthcare ICT infrastructure. In particular data exchange over the internet is perceived insurmountable posing a roadblock hampering big data based medical innovations. FeatureCloud’s transformative security-by-design concept will minimize the cyber-crime potential and enable first secure cross-border collaborative data mining endeavors. FeatureCloud will be implemented into a software toolkit for substantially reducing cyber risks to healthcare infrastructure by employing the world-wide first privacy-by-architecture approach, which has two key characteristics: (1) no sensitive data is communicated through any communication channels, and (2) data is not stored in one central point of attack. Federated machine learning (for privacy-preserving data mining) integrated with blockchain technology (for immutability and management of patient rights) will safely apply next-generation AI technology for medical purposes. Importantly, patients will be given effective means of revoking previously given consent at any time. Our ground-breaking new cloud-AI infrastructure only exchanges learned model representations which are anonymous by default. Collectively, our highly interdisciplinary consortium from IT to medicine covers all aspects of the value chain: assessment of cyber risks, legal considerations and international policies, development of federated AI technology coupled to blockchaining, app store and user interface design, implementation as certifiable prognostic medical devices, evaluation and translation into clinical practice, commercial exploitation, as well as dissemination and patient trust maximization. FeatureCloud’s goals are bold, necessary, achievable, and paving the way for a socially agreeable big data era of the Medicine 4.0 age.
Dziedzina nauki
- natural sciencescomputer and information sciencesdata sciencebig data
- natural sciencescomputer and information sciencesdata sciencedata mining
- social sciencespolitical sciencespolitical transitionsrevolutions
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringdigital electronics
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-SC1-FA-DTS-2018-1
System finansowania
RIA - Research and Innovation actionKoordynator
20148 Hamburg
Niemcy