Betere methoden ontwikkelen voor het behandelen van kankerpatiënten, door zoveel mogelijk patiëntdata uit verschillende bronnen te analyseren. Maar dan wel zónder privacygevoelige data te hoeven delen. Met cryptografische technieken en artificial intelligence maken Integraal Kankercentrum Nederland (IKNL) en TNO het mogelijk.

Om de kankerpatiënt van morgen zo goed mogelijk te kunnen behandelen moeten onderzoekers beschikken over relevante data van patiënten, zodat ze die kunnen combineren. Denk aan informatie over andere ziektes van de patiënt, erfelijke aandoeningen in de familie of medicijngebruik. Alleen dan kan de onderzoeker vaststellen welke aanpak de beste kansen biedt, wat het verschil is tussen groepen patiënten en hoe de ziekte eerder kan worden ontdekt of zelfs voorkomen. Vaak is die data wel beschikbaar, maar niet op één plek toegankelijk.

Data kan niet zomaar worden gedeeld

“De grote uitdaging bij medische data-analyse is dat data heel persoonlijk is en niet zomaar kan worden gedeeld”, zegt Daniël Worm, senior consultant bij TNO en projectleider van het onderzoeksproject. “Daarom onderzochten we hoe we met behoud van privacy toch inzichten uit data kunnen halen. Dat deden onze cryptografische onderzoekers en data scientists samen met data scientists en klinisch informatici van IKNL, dat al over heel veel data beschikt.”

Onderzoekers hebben dus steeds meer data per patiënt nodig

Met de Nederlandse Kankerregistratie volgt IKNL op landelijk niveau de zorg voor patiënten. Gijs Geleijnse is senior clinical data scientist bij IKNL en voorzitter van de technische werkgroep van de Personal Health Train (PHT). Hij legt uit: “Het is onze missie om de impact van de ziekte te reduceren, door onderzoek te doen met data van patiënten. Zo helpen we met inzichten om succesvoller behandelingen te kiezen en beter te begrijpen wat de gevolgen zijn.”

Steeds meer data nodig

Voor wetenschappelijk onderzoek levert IKNL altijd zo min mogelijk data aan, zodat de kans dat een individu wordt herkend zo klein mogelijk is. Maar de trend is gepersonaliseerd behandelen. Onderzoekers hebben dus steeds meer data per patiënt nodig. Omdat die data typisch over meerdere bronnen is verspreid, neemt de kans dat data herleidbaar is juist toe.

IKNL en TNO hebben een toonaangevende positie binnen de Nederlandse PHT-coalitie. “Het gaat om een soort treintje dat je langs de data van bijvoorbeeld ziekenhuizen laat gaan, om er analyses op te kunnen doen”, vervolgt Daniël. “Diverse technologieën spelen daar een rol in. Maar een grote uitdaging op dit moment, is het kunnen uitvoeren van privacyvriendelijke analyses op data over dezelfde groep patiënten, die verdeeld is over verschillende organisaties.”

De deelnemers bepalen zelf wie de uitkomst mag zien

Met MPC blijft data versleuteld

De technologie Secure Multi-Party Computation (MPC), al langer bekend in de universitaire wereld, raakte de afgelopen jaren in een stroomversnelling en brengt nu verlichting. Met deze gereedschapskist aan cryptografische technieken kunnen onderzoekers analyses doen met data van verschillende partijen, zonder die te hoeven delen. De data blijft versleuteld en de deelnemers bepalen wie de uitkomst mag zien. MPC is hiermee een essentiële technologie, die PHT mogelijk maakt voor analyses op data over dezelfde groep patiënten bij verschillende organisaties.

Waar traditionele cryptografie wordt ingezet om data te versleutelen, exporteren en ontsleutelen, maakt MPC het mogelijk om op een privacy-vriendelijke manier algoritmes op het gebied van artificial intelligence (AI) te trainen op data van meerdere partijen. Door die bijzondere eigenschap wordt AI beter inzetbaar voor onderzoek naar oncologie.

“Dankzij de resultaten van dit project wordt meer onderzoek mogelijk gemaakt”

Meer wetenschappers aan de slag

“Door te investeren in privacytechnologie wordt het veiliger om wetenschappers gevoelige, grote datasets te laten analyseren”, stelt Gijs vast. “Dankzij de resultaten van dit project met TNO wordt dus meer onderzoek, door meer wetenschappers mogelijk gemaakt.”

Oncologisch onderzoek is een buitengewoon belangrijke toepassing. Biedt de ontwikkelde technologie in de toekomst nog meer mogelijkheden, bijvoorbeeld in de strijd tegen het coronavirus COVID-19? Daniël verwacht van wel: “Op dit moment wordt AI al ingezet in de strijd tegen het coronavirus. Als je meer inzicht wilt krijgen in de invloed van allerlei factoren op corona, dan zou je data aan elkaar willen knopen mét behoud van privacy. Dus uiteindelijk zullen deze technieken ook interessant zijn om in te zetten voor meer inzicht in corona of andere virussen, en daarnaast ook breder in de gezondheidszorg toegevoegde waarde kunnen leveren.”

Meer weten of samenwerken?

TNO en IKNL hebben de intentie om de komende jaren te blijven samenwerken rondom privacy-vriendelijke datatechnologie en AI, en daar ook andere partners bij te zoeken. “Lezers die meer willen weten over deze cutting-edge technieken of die willen samenwerken aan de ontwikkeling van opensourcesoftware, nodig ik graag uit contact op te nemen”, besluit Daniël. “Dan kunnen we met elkaar deze techniek nog breder toepasbaar maken.”

Dit project is gedeeltelijk gefinancierd door Appl.AI program