Afstudeeropdracht: Differential privacy for medical research

Afstudeeropdracht: Differential privacy for medical research
Terug naar het vacatureoverzicht

Afstudeeropdracht: Differential privacy for medical research

  • Location Groenlo
  • Business unit Healthcare

Het door Nedap Healthcare ontwikkelde platform ondersteunt het dagelijkse werk van vele gezondheidswerkers die in Nederland te maken hebben met miljoenen patiëntendossiers. Onze datasets bevatten alles van een medische diagnose, voorgeschreven medicatie, allergieën tot en met de rekening die naar de verzekeraar wordt gestuurd en alles daar tussenin.

Het openstellen van zulke medische dossiers zou een enorme stimulans zijn voor de wetenschap; zowel voor individuele studies als voor het aantal onderzoekers dat toegang heeft tot de gegevens. Medische gegevens moeten echter privé blijven.

Differential privacy [1] is een robuust raamwerk om dit probleem op het gebied van statistische openbaarheidscontrole aan te pakken op een manier die zich automatisch aanpast aan de query en de beschikbare gegevens. Wij willen dit krachtige raamwerk in de praktijk brengen en daardoor bijdragen aan het toegankelijker maken van medische gegevens voor medische onderzoekers en tegelijkertijd een betere privacybescherming te bieden dan wat momenteel mogelijk is in overeenkomsten voor het delen van gegevens.

Differential privacy is toegankelijker geworden met de release van open-source implementaties [3], maar er zijn nog steeds gaps in de medische onderzoekspraktijk die we graag willen dichten. We zijn op zoek naar een slimme student die geïnteresseerd is in het overbruggen van deze kloof. Je bestudeert de fundamentele wiskundige operaties van differential privacy. Je analyseert de impact van gegenereerde ruis in een dataset en het effect daarvan op de validiteit van medische statistische tests. Enkele van onze kernvragen zijn:

  • In welke mate kunnen medisch statistische queries worden uitgevoerd in de context van differential privacy?
  • Hoe vertaalt de adaptieve (Gaussian/Laplacian) ruis zich naar de waarschijnlijkheden verkregen via een statistische test (b.v. t-test, chi^2-test)?
  • Welke DP-methoden zijn geschikt voor grotere datasets en wat zijn belangrijke aspecten waarmee rekening moet worden gehouden in termen van datastructuren, pre-processing en datakwaliteit?
  • Wat is de juiste epsilon (anonimity)-tradeoff voor verschillende queries in het medische domein? Hoe kunnen we gebruikers op een intuïtieve manier helpen bij deze afweging? [2]

Referenties:

  1. Dwork, Cynthia. "Differential privacy: A survey of results." International conference on theory and applications of models of computation. Springer, Berlin, Heidelberg, 2008.
  2. Dwork, Cynthia, Nitin Kohli, and Deirdre Mulligan. "Differential privacy in practice: Expose your epsilons!." Journal of Privacy and Confidentiality 2019.
  3. SmartNoise - https://github.com/opendp/smartnoise-samples/blob/master/data/README.md

Jouw team

Je werkt voornamelijk in het Tech Exploration Team binnen Nedap Healthcare dat als missie heeft om nieuwe technologie te vinden en toe te passen om problemen in de Healthcare sector op te lossen. Je werkt ook nauw samen met het Data Science team en (technische) artsen om snel feedback te krijgen over je werk.

Ons aanbod

Je kunt vanuit huis werken of op onze coole campus in Groenlo, de keuze is aan jou. Uiteraard krijg je een laptop, een maandelijkse stagevergoeding en ben je welkom op de 'Nedap Studentday’ die elk half jaar wordt georganiseerd. Dit is een uitstekende manier om in contact te komen met de andere stagiaires, afstudeerders en werkende studenten van andere marktgroepen binnen Nedap.

Vereiste ervaringen en skills

We zoeken iemand met een achtergrond in wiskunde en interesse in de grondbeginselen van statistische analyse. Enige kennis van klinisch onderzoek is een pluspunt, maar we hebben ervaring in huis om dat deel te dekken.

Nedap, Healthcare

Over Nedap Healthcare

Nedap Healthcare is een groeiende familie van creatievelingen, ontwikkelaars en zorgspecialisten. Wij zijn er voor mensen in de zorg. Zowel voor de zorgprofessional als voor de cliënt, patiënt en diens omgeving. We geloven dat mensen samen de zorg beter maken. Door mensen, kennis en technologie met elkaar te verbinden ontstaan er (software) oplossingen waarmee wij een blijvende bijdrage leveren aan de zorg in Nederland. Eenvoud, eigen regie en nauwe samenwerking met de markt staan hierbij altijd centraal.

Sollicitatieprocedure

Wordt je getriggerd door een of meer van deze vragen en wil je helpen de privacy van miljoenen patiëntendossiers te verbeteren? Let’s get in touch! Neem contact op met Jaap Grondman (jaap.grondman@nedap.com) of solliciteer direct via de sollicitatiebutton hierboven.

  • 1. Je sollicitatie
  • 2. Het eerste gesprek
  • 3. Volgende ontmoeting
  • 4. Aanbod
  • 5. High five!
Stap 1
Je sollicitatie

Je hebt gesolliciteerd? Geweldig! We reageren zo snel mogelijk per e-mail op je sollicitatie, maar tenminste binnen 10 werkdagen.

We respecteren je privacy, daarom kun je alleen solliciteren via onze website. Sollicitaties via e-mail worden niet in behandeling genomen.

Vragen? Neem contact op met onze recruiter