Az egészségügyi adatok feldolgozása az adatvezérelt technológiák egyik legnagyobb lehetőségeket rejtő, ugyanakkor kiemelten érzékeny területe. A mesterséges intelligenciára és nagy méretĹą adathalmazokra épülő kutatások egyre pontosabb diagnosztikai és elemző rendszerek kialakítását teszik lehetővé, miközben az adatvédelem kérdése mindinkább központi jelentőségĹąvé válik. 

A K&H STEM pályázat is ezekre a kihívásokra keresett technológiai válaszokat, ahol egyetemi hallgatók kutatásaikon keresztül bizonyították, hogy már az egyetemi évek alatt is születhetnek gyakorlati szempontból is értékes innovációk.

Betegszempontból a legfontosabb kérdés az, hogy mi történik az egészségügyi adatokkal, amikor azok digitális rendszerekbe kerülnek. A leletek, diagnózisok vagy vitális paraméterek feldolgozása kulcsfontosságú az orvosi döntéstámogatás és a kutatások számára, ugyanakkor ezek az információk a legérzékenyebb személyes adatok közé tartoznak. A kutatás ezt az ellentmondást úgy kezeli, hogy az adatok feldolgozása titkosított formában történik: a számítások során az információk nem válnak olvashatóvá, a titkosítási kulcs pedig végig kizárólag a felhasználónál marad.

Forrás: Freepik

Nagy Katinka Lilla, a Pécsi Tudományegyetem mérnökinformatikus hallgatója a homomorf titkosítás egészségügyi adatfeldolgozásban való alkalmazását vizsgálta. Ennek a kriptográfiai módszernek az a lényege, hogy a mĹąveletek már titkosított adatokon hajthatók végre, így az információk a feldolgozás teljes ideje alatt védettek maradnak. A kutatás eredményeként egy felhőalapú prototípus rendszer jött létre, amely képes statisztikai mĹąveletek elvégzésére titkosított egészségügyi adatokon.

A rendszer felépítése szerint a titkosítás kliensoldalon történik, míg a számítások szerver nélküli felhőkörnyezetben futnak. Ez lehetővé teszi a felhőszolgáltatások rugalmas, skálázható erőforrásainak kihasználását úgy, hogy közben maga a szolgáltató sem fér hozzá a nyers adatokhoz. A kutatás társadalmi jelentősége abban áll, hogy biztonságos, mégis hatékony adatfeldolgozást tesz lehetővé az egészségügyben, támogatja a pontosabb diagnosztikát, és erősíti a betegek adatainak védelmét a digitális egészségügyi rendszerekben.

A fejlesztés részeként egy mĹąködő prototípus is elkészült, amely igazolja, hogy megfelelő optimalizálás mellett a homomorf titkosítás alkalmas lehet valós egészségügyi adatok biztonságos feldolgozására is. Hosszabb távon a technológia lehetőséget teremthet arra, hogy különböző egészségügyi intézmények vagy kutatóközpontok közösen elemezzenek adatokat úgy, hogy a betegadatok közvetlen hozzáférhetősége továbbra is kizárt marad.

„A STEM pályázat azért kiemelten fontos számunkra, mert jól mutatja, milyen gondolkodásmód jellemzi a jövő fejlesztőit és kutatóit. A K&H ma már nem csupán bank és biztosító, hanem jelentős informatikai szervezet is, ahol a digitális fejlesztések nagy része házon belül valósul meg. Fontos számunkra, hogy a kollégák hatékony környezetben dolgozhassanak, ezért folyamatosan optimalizáljuk a folyamatainkat, miközben inspiráló szakmai közösséget építünk tapasztalt vezetőkkel és kiemelkedő IT szakemberekkel, teret adva a fejlődésnek. A STEM pályázat célja, hogy a fiatal kutatók és fejlesztők bemutathassák innovatív projektjeiket, és erősödjön a kapcsolat az egyetemi kutatások és a vállalati technológiai környezet között. A program évről évre olyan megoldásokat hoz felszínre, amelyek jól jelzik, milyen irányok formálhatják a jövő digitális és adatbiztonsági fejlesztéseit” – mondta Ozorai Dénes, a K&H IT vezetője.

English Summary

Healthcare data processing is one of the most promising yet sensitive areas in data-driven technologies. Advances in artificial intelligence and large-scale data analytics enable more accurate diagnostics and decision-support systems, while raising critical concerns about data privacy and security. A student research project within the K&H STEM program explores how homomorphic encryption can address this challenge by allowing computations on encrypted health data without ever exposing it in readable form. The developed cloud-based prototype performs statistical operations in a serverless environment, ensuring that raw patient data remains inaccessible even to the service provider. This approach demonstrates a scalable and secure solution that could support collaboration between healthcare institutions while strengthening patient data protection.