Das internationale Forschungsprojekt Secur-e-Health hat eine architektonische Lösung entwickelt, die den Einsatz künstlicher Intelligenz in der kardiologischen Versorgung ermöglicht, ohne die Vertraulichkeit sensibler Patientendaten zu gefährden. Auf der Nordic Conference on Digital Health and Wireless Solutions in Oulu präsentierten die Forschenden um Mika Hilvo, Leiter des VTT-Forschungsteams und nationaler Koordinator des Projekts, sowie Lead-Autor Gaurang Sharma vom VTT eine durchgängige Architektur für die Risikobewertung und klinische Betreuung von Herz-Kreislauf-Erkrankungen. Das Konzept verbindet sichere Datenverarbeitung, transparente Einwilligungsprozesse und datenschutzkonforme KI-Methoden zur Unterstützung sowohl der Prävention als auch der kontinuierlichen Patientenüberwachung. Ein Kernbestandteil der Entwicklung ist der Einsatz von Federated Learning. Dabei werden KI-Modelle trainiert, ohne dass die verteilten Gesundheitsdaten an einem zentralen Ort zusammengeführt werden müssen. Dieses dezentrale Lernverfahren gewährleistet, dass Organisationen ihre Datenhoheit behalten, während gleichzeitig eine sichere Zusammenarbeit zwischen verschiedenen Gesundheitseinrichtungen ermöglicht wird. Erste Tests bestätigten, dass die auf dieser Technologie basierenden Modelle eine mit herkömmlichen maschinellen Lernverfahren vergleichbare Genauigkeit aufweisen. Für die sekundäre Prävention und das laufende Management diagnostizierter Patientinnen und Patienten implementierte das Team einen sicheren Workflow zur Einwilligungsbeschaffung, EKG-Monitoring-Datenerfassung und Systemintegration. Dabei werden Informationen so verknüpft, dass eine unnötige Preisgabe von Identitätsmerkmalen ausgeschlossen ist. Die vorgestellte End-to-End-Architektur adressiert eine der zentralen Herausforderungen moderner Digital Health: Die Nutzung fragmentierter, hochsensibler medizinischer Daten unter strikten Datenschutzvorgaben. Durch die nahtlose Integration klinischer Anforderungen, sicherer Dateninfrastrukturen und patientenzentrierter Einwilligungsmanagement-Systeme entsteht eine skalierbare Grundlage für zukünftige digitale Versorgungsstrukturen. Laut den Forschenden stärkt das Verfahren das Vertrauen zwischen Patientinnen und Patienten, Datenverwaltenden, Leistungserbringern und der Wissenschaft. Die Veröffentlichung unterstreicht, dass KI-gestützte Entscheidungsunterstützung im Gesundheitswesen ethisch und rechtlich konform umsetzbar ist, ohne die Effektivität der Diagnose- oder Behandlungswege zu beeinträchtigen. Damit liefert das Projekt einen praxisrelevanten Baustein für die sichere Vernetzung fragmentierter Gesundheitssysteme und eint eine datenschutzfreundliche KI-Nutzung mit klinischer Wirksamkeit.