[论文解读] Verbesserung des Record Linkage für die Gesundheitsforschung in Deutschland

NFDI4Health-Nationale Forschungsdateninfrastruktur Für Personenbezogene Gesundheitsdaten|arXiv (Cornell University)|Sep 12, 2023

Data Quality and Management被引用 3

一句话总结

本白皮书提出了一套框架，旨在通过分析十个真实世界的应用案例、确立最佳实践，并倡导建立由可信第三方参与的国家级基础设施，以增强德国医疗研究中隐私保护记录关联（PPRL）的效果。该框架展示了如何通过联邦化、假名化的数据关联实现跨机构研究，同时符合《通用数据保护条例》（GDPR）和德国数据保护法律的要求。

ABSTRACT

Record linkage means linking data from multiple sources. This approach enables the answering of scientific questions that cannot be addressed using single data sources due to limited variables. The potential of linked data for health research is enormous, as it can enhance prevention, treatment, and population health policies. Due the sensitivity of health data, there are strict legal requirements to prevent potential misuse. However, these requirements also limit the use of health data for research, thereby hindering innovations in prevention and care. Also, comprehensive Record linkage in Germany is often challenging due to lacking unique personal identifiers or interoperable solutions. Rather, the need to protect data is often weighed against the importance of research aiming at healthcare enhancements: for instance, data protection officers may demand the informed consent of individual study participants for data linkage, even when this is not mandatory. Furthermore, legal frameworks may be interpreted differently on varying occasions. Given both, technical and legal challenges, record linkage for health research in Germany falls behind the standards of other European countries. To ensure successful record linkage, case-specific solutions must be developed, tested, and modified as necessary before implementation. This paper discusses limitations and possibilities of various data linkage approaches tailored to different use cases in compliance with the European General Data Protection Regulation. It further describes requirements for achieving a more research-friendly approach to linking health data records in Germany. Additionally, it provides recommendations to legislators. The objective of this work is to improve record linkage for health research in Germany.

研究动机与目标

• 解决在德国跨机构关联健康数据时面临的挑战，同时确保符合数据保护法律要求。
• 识别并分析跨机构记录关联在医疗研究中面临的关键技术、法律和组织障碍。
• 提出一种基于可信第三方（TTP）和联邦化数据处理的可扩展、隐私保护的基础设施。
• 支持建立一个国家范围的数据关联生态系统，实现对大规模健康数据的安全、合乎伦理且高效的科研。
• 为政策制定者、研究人员和医疗保健机构提供可操作的建议，以实施稳健且合法合规的记录关联系统。

提出的方法

• 分析了德国医疗研究机构中十个真实世界的记录关联应用案例，涵盖SARS-CoV-2研究、癌症登记系统和基因组医学研究。
• 采用隐私保护记录关联（PPRL）技术，如布隆过滤器（Bloom filters）、安全多方计算（SMPC），以及基于Fellegi-Sunter算法的概率匹配方法。
• 采用联邦化架构，确保数据保持去中心化，仅在机构间共享匹配密钥（如哈希或加密标识符）。
• 依赖可信第三方（TTP）或联邦化可信第三方（fTTP）来管理假名化、同意管理及在严格访问控制下的重新识别。
• 应用法律分析，评估对GDPR、BDSG以及针对匿名化或假名化数据研究的法定例外（如§ 23a SGB X）的合规性。
• 提出建立国家级基础设施，包括中央授权机构、标准化数据模型以及经批准的关联项目注册库。

实验结果

研究问题

• RQ1 如何在确保严格遵守数据保护法规的前提下，实现在德国跨机构的健康数据关联？
• RQ2 在多个医疗提供方和研究机构之间实施隐私保护记录关联时，面临的关键技术、法律和组织障碍是什么？
• RQ3 如何有效实施可信第三方模式，以在不集中化个人数据的前提下管理同意、假名化和数据访问？
• RQ4 联邦化数据架构和PPRL工具在实现安全、可扩展且隐私保护的健康研究方面发挥什么作用？
• RQ5 为支持大规模、多中心的数据关联，而无需在每种情况下都获取个体知情同意，需要哪些法律和结构改革？

主要发现

• 采用布隆过滤器和SMPC等PPRL技术的联邦化记录关联，可在不传输原始个人数据的前提下实现安全的数据整合。
• 设立中央、独立的Treuhandstelle（信托机构）显著提升了数据治理、同意管理以及对GDPR和德国数据法律的合规性。
• 在CoVerlauf和DFG-Linkage项目中，通过概率方法成功关联了初级照护和健康保险数据，匹配率达到95%。
• NUM-RDP和DKTK案例表明，通过标准化数据模型和安全API，可在多个大学医学中心之间实现联邦化关联。
• 关于无需同意即可关联数据的法律不确定性仍是主要障碍；本白皮书建议在§ 23a SGB X下进行法定澄清，以支持对假名化数据的研究。
• 建立国家级基础设施，包括中央授权机构和共享工具（如E-PIX、Mainzelliste），对于在德国范围内实现规模化和标准化关联至关重要。