Scroll Top

Anonymisierung / De-identification medizinischer Dokumente und Patientendaten

Bei der Anonymisierung /De-identification von Patientendaten und medizinischen Daten im Allgemeinen, bleiben die Patienteninformationen geschützt.

Dadurch können wichtige Informationen datenschutzgerecht für klinische Studien, Qualitätssicherung und die medizinische Forschung verwendet werden.

Averbis Anonymisierung Pseudonymisierung Medizinischer Daten und Patientendaten

Die Bereitstellung klinischer Rohdaten ist eine unverzichtbare Grundlage für zahlreiche Anwendungen in der medizinischen Forschung. Aggregierte Patientendaten können zur Identifikation von Krankheitsmechanismen beitragen und so die Behandlungsqualität entscheidend steigern.

Rekrutierungszeiten von Patienten in klinischen Studien werden reduziert, die Überwachung der Medikamentensicherheit durch kontinuierliches Monitoring verbessert. Plausibilitätsprüfungen ärztlichen Handelns sind effizient und kostengünstig durchführbar.

Man spricht auch von der Sekundärnutzung medizinischer Routinedaten in der Forschung.

Warum die Anonymisierung bzw. De-identification medizinischer Daten?

Medizinische Daten sind in hohem Maße schutzbedürftig und unterliegen strengen Datenschutzbestimmungen. Sämtliche personenbezogene Informationen müssen entfernt werden, bevor die Daten für die medizinische Forschung und im Bereich Gesundheit freigegeben werden können.

Neben Personennamen und Geburtsdatum gehören Telefonnummern, Namen von Ärzten und Angehörigen sowie viele weitere Textpassagen zu den schützenswerten Informationen.

Andere Informationen wie Datumsangaben möchte man nicht vollständig entfernen, aber studienspezifisch auf ein oder mehrere Jahre vergröbern.

Beispiel einer Anonymisierung von Patientendaten

Stadisches Krankenhaus Braunschweig
Abteilung Innere 3
Station DaVinci

Ärztlicher Direktor: Frau Prof. Marta Müller
Arztzimmer Tel. 0121/123 Fax. 0121/7223

Buxtehude, den 17. März 2015
Unsere Zeichen: bk/ij

Herrn
Dr. med Martin Müller
Willy-Brandt-Allee 12
01292 Berlin

Betrifft Patientin Luise Kisselbach, geb. 17.07.1921

Sehr geehrter Kollege Müller,

wir berichten Ihnen nachfolgend über o.g. Patientin, die sich am 21.04.2003 in unserer Behandlung befand...

Stadisches Krankenhaus Braunschweig
Abteilung Innere 3
Station DaVinci

Ärztlicher Direktor: Frau Prof. Marta Müller
Arztzimmer Tel. 0121/123 Fax. 0121/7223

Buxtehude, den 17. März 2015
Unsere Zeichen: bk/ij

Herrn
Dr. med Martin Müller
Willy-Brandt-Allee 12
01292 Berlin

Betrifft Patientin Luise Kisselbach, geb. 17.07.1921

Sehr geehrter Kollege Müller,

wir berichten Ihnen nachfolgend über o.g. Patientin, die sich am 21.04.2003 in unserer Behandlung befand...

XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Abteilung Innere 3
XXXXXXXXXXXXXXX

Ärztlicher Direktor: Frau XXXXXXXXXXXXXXXXXX
Arztzimmer Tel. XXXXXXXX Fax. XXXXXXXXX

XXXXXXXXX, den XXXXXXXXXXXXX
Unsere Zeichen: XXXXX

Herrn
XXXXXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXX
XXXXXXXXXXXX

Betrifft Patientin XXXXXXXXXXXXXXXX, geb. XXXXXXXXXX

Sehr geehrter Kollege XXXXXX,

wir berichten Ihnen nachfolgend über o.g. Patientin, die sich am XXXXXXXXXX in unserer Behandlung befand...

Bei der Anonymisierung / De-identification werden kritische Informationen zunächst identifiziert und technisch markiert. Diese personenbezogenen Daten werden dann gelöscht, so dass kein Zusammenhang zum Patienten oder zum Behandlungsort hergestellt werden kann.

Links sehen Sie schematisch und beispielhaft das Verfahren einer Anonymisierung von medizinischen Daten. Probieren Sie es aus!

Die Anonymisierungssoftware von Averbis

Averbis DeID unterstützt Sie bei der Identifizierung sensibler Daten in medizinischen Freitexten. Intelligente Verfahren übernehmen die Markierung relevanter Passagen. Verschiedene Algorithmen bieten dabei größtmöglichen Schutz, wie wissenschaftliche Untersuchungen belegen:

  • Separat per HL7 übermittelte Metadaten wie Patientenmane, Anschrift und Geburtsdatum werden zuverlässig in den Freitexten identifiziert.
  • Musterbasierte Verfahren erkennen strukturierte Informationen wie Email-Adressen und Datumsangaben
  • Mit Positiv- und Negativlisten können bestimmte Textpassagen explizit entfernt oder geschützt werden. Auf die Positivliste können krankenhausspezifische Besonderheiten wie Arzt- und Stationsnamen eingetragen werden. Auf die Negativliste kommen Produktbezeichnungen oder Eigennamen wie Parkinson.
  • Maschinelle Lernverfahren erkennen Namen und andere personenidentifizierende Merkmale, die nicht explizit bekannt sind. Hierzu zählen zum Beispiel die Namen von Angehörigen oder von niedergelassenen Ärzten.
Averbis Beispielapplikation Anonymisierung Patientendaten DeID

Hohe Flexibilität

Die Markierung personenbezogener Daten und deren weitere Verarbeitung sind in DeID logisch voneinander getrennt. Somit haben Sie die Möglichkeit, bestimmte Merkmale studienspezifisch unterschiedlich zu behandeln. Sie möchten in einer Studie das Geburtsjahr des Patienten erhalten, in einer anderen Studie das Jahr vollständig entfernen? Bei der Wahl des Schutzgrades sind Sie flexibel und können in jeder Studie größtmöglichen Datenschutz gewährleisten.

Intuitive Oberfläche

Benutzer haben jederzeit die Möglichkeit, die automatische Anonymisierung zu kontrollieren und manuell nachzubearbeiten. Die Oberfläche stellt zahlreiche Mechanismen bereit, um die Kontrolle komfortabel und zeitsparend durchzuführen. Hierzu gehören Visualisierungsmöglichkeiten, die Verwendung von Shortcuts und die Minimierung von Klicks. Die Interpretation von Merkmalen wie die Erkennung von Tag, Monat und Jahr in Datumsangaben übernimmt das Programm automatisch für Sie.

Fazit

DeID ist ein unverzichtbares Werkzeug für die verteilte medizinische Forschung. Es unterstützt den datenschutzgerechten Umgang mit medizinischen Dokumenten in klinischen Studien, bei der Qualitätssicherung und in der medizinischen Forschung.

Die Software zur Deidentification und Anonymisierung von Averbis auf einen Blick:

  • Hoher Zeitgewinn und Kostenvorteil
  • Größtmögliche Genauigkeit und Zuverlässigkeit
  • Flexibilität durch individuelle Schutzmechanismen
  • Detaillierte Guidelines zur datenschutzgerechten Anonymisierung

 

  • Verschiedene Import-Formate (z.B. Text, Word, PDF, HL7)
  • Export als HL7-Nachricht
  • plattformunabhängige ClientServer-Architektur
  • Webbasierte grafische und sehr intuitive Benutzeroberfläche

Über die Entstehung der Anonymisierungs-Software

DeID wurde Im Forschungsprojekt cloud4health entwickelt. Das Projekt ist Teil des TrustedCloud-Programms, einem vom Bundesministerium für Wirtschaft und Technologie (BMWi) initiierten Forschungsprogramm. cloud4health nutzt anonymisierte klinische Routinedaten von Patienten, die wichtige Informationen für die Patientenversorgung enthalten.

Wertet man die Daten in der Cloud aus, entstehen Anwendungsmöglichkeiten für klinische Studien und Register. Neue Aussagen zur Wirkung von Medikamenten werden möglich. In cloud4health werden drei praktische Anwendungen entstehen: Ein Register für künstliche Hüftgelenke und deren Haltbarkeit. Eine automatische Analyse ärztlicher Leistungen und ein Frühwarnsystem für die Medikamentensicherheit. Lesen Sie im Bereich Gesundheit weitere Informationen zu unseren Produkten.

Finden Sie Antworten in Ihren Daten

Gerne präsentieren wir Ihnen unsere Produkte und erstellen für Sie einen Demonstrator auf Basis Ihrer ausgewählten Datenbestände.