6 Minuten
Samsung und Galeon bündeln ihre Kräfte, um Gesundheits-KI voranzutreiben
Samsung hat eine strategische Partnerschaft mit dem Dezentralized-Science-(DeSci)-Protokoll Galeon angekündigt, um künstliche Intelligenz (KI) in Ultraschallgeräte zu integrieren und anonymisierte Trainingsdaten für medizinische KI bereitzustellen. Ziel der Zusammenarbeit ist es, Samsungs Ultraschall-Hardware direkt mit Galeons Plattform für elektronische Gesundheitsakten (EHR) zu verbinden und damit die Entwicklung klinischer KI-Anwendungen zu beschleunigen, ohne die Datensouveränität von Patientinnen und Patienten zu gefährden. Durch diese Verbindung sollen sowohl die klinische Diagnostik als auch Workflow-Automatisierungen verbessert werden, während gleichzeitig strenge Datenschutz- und Compliance-Standards eingehalten werden.
Wie die Integration funktioniert
Galeons EHR-Lösung ist bereits in 18 vernetzten Krankenhäusern im produktiven Betrieb, darunter mehrere Einrichtungen in Frankreich wie das Universitätsklinikum Rouen, das Universitätsklinikum Caen, das Krankenhaus Toulon und das Sud-Francilien-Krankenhaus. Anstatt sensible medizinische Rohdaten direkt on-chain zu speichern, verfolgt die Initiative einen hybriden Ansatz: Der KI-Algorithmus läuft on-chain, um vollständige Nachvollziehbarkeit und Auditierbarkeit zu gewährleisten, während die eigentlichen Patientendaten anonymisiert bleiben und unter der Kontrolle der jeweiligen Institutionen verbleiben. Dieser Ansatz kombiniert die Stärken der Blockchain (Transparenz, Unveränderlichkeit von Governance-Ereignissen) mit datenschutzrechtlichen Anforderungen wie der DSGVO und branchenspezifischen Vorgaben (z. B. HIPAA-Äquivalente in anderen Rechtsräumen).
Das Galeon-Team
Datenschutzorientiertes KI-Training für Ultraschallgeräte
Im Rahmen der Vereinbarung können medizinische Leistungserbringer gemeinschaftlich genutzte KI-Modelle verwenden, die auf dezentralen, anonymisierten Datensätzen trainiert wurden, ohne dass patientenebene Informationen zentral zusammengeführt werden müssen. Jedes Krankenhaus liefert verschlüsselte und pseudonymisierte Ultraschallbilder sowie strukturierte EHR-Metadaten, die entweder lokal zur Modellverbesserung genutzt oder über föderierte Lernverfahren in kooperativen Trainingsläufen eingebunden werden. Solche föderierten Lernansätze ermöglichen es, gewinnbringende KI-Modelle zu entwickeln, indem Modelle an den Daten vor Ort trainiert und nur Modellparameter beziehungsweise Gradienten geteilt werden, wodurch das Risiko einer Reidentifikation deutlich reduziert wird.
Die on-chain-Komponente dokumentiert Governance-Entscheidungen, Modellversionen und Validierungsprotokolle transparent und reproduzierbar. Diese Nachvollziehbarkeit adressiert kritische Herausforderungen in der Gesundheits-KI wie Modell-Drift, mangelnde Herkunftsnachweise (Provenance) und die Notwendigkeit auditierbarer Updates für regulatorische Prüfungen. Zusätzlich können Smart Contracts automatische Compliance-Checks, Einverständniserklärungs-Workflows und Zugriffsprotokolle orchestrieren, sodass Kliniken ihre Datensouveränität behalten und gleichzeitig von kollektiver Modellintelligenz profitieren.
Reale KI-Werkzeuge bereits in Entwicklung
Galeon-CEO Loïc Brotons erklärte gegenüber Medien, dass das Unternehmen bereits konkrete KI-Anwendungen für den klinischen Alltag entwickelt hat: eine automatische Abrechnungs-KI für medizinische Leistungen, einen Generator für Konsultationszusammenfassungen sowie ein in Arbeit befindliches Speech-to-Text-Modell, das auf klinische Arbeitsabläufe zugeschnitten ist. Diese Werkzeuge veranschaulichen, wie die Kombination aus Ultraschalldaten, EHR-Integration und Blockchain-gestützter Rückverfolgbarkeit die Einführung von Gesundheits-KI beschleunigen kann, ohne die Einhaltung regulatorischer Vorgaben zu vernachlässigen.
Die Praxisrelevanz zeigt sich sowohl in administrativen Einsparungen (z. B. automatisierte Kodierung und Abrechnung), als auch in der klinischen Effizienz (z. B. strukturierte Befundberichte, automatische Messwert-Extraktion aus Bilddaten). Für die Validierung und Zertifizierung solcher Modelle sind robuste Testdatensätze, klinische Studien und interoperable Standards (z. B. DICOM für Bilddaten, HL7/FHIR für EHR) essentiell. Die Kombination von standardisierten Datenformaten mit dezentralen Governance-Mechanismen erhöht die Reproduzierbarkeit und erleichtert regulatorische Audits.
DeSci-Dynamik und Interesse von Investoren
Dezentrale Wissenschaft (DeSci) entwickelt sich zunehmend zu einem der aktivsten Innovationsbereiche innerhalb der Blockchain-Ökonomie, insbesondere im Gesundheitssektor. Plattformen wie VitaDAO haben Aufmerksamkeit erregt, weil sie Forschung zur Langlebigkeit finanzieren, während DeSci-DAOs ambitionierte Laborprojekte und präklinische Forschung vorantreiben. Beispiele wie die berichteten präklinischen Ergebnisse von HydraDAO haben das Interesse institutioneller und privater Investoren geweckt und zeigen, dass DeSci-Modelle sowohl Forschungskapital als auch experimentelle Infrastruktur mobilisieren können.
Die Attraktivität von DeSci für Investoren liegt in mehreren Faktoren: neue Finanzierungsmechanismen für Forschung, potenziell lukrative Biotech-Spin-offs, tokenbasierte Anreizstrukturen für Daten- und Wissensaustausch sowie die Möglichkeit, Forschungsresultate und geistiges Eigentum über On-Chain-Provenance zu verfolgen. Für Gesundheits-KI-Projekte ist zudem die Verfügbarkeit qualitativ hochwertiger und diverser Datensätze ein entscheidender Hebel für bessere Modellleistung und Marktrelevanz.
Aktuelle Finanzierungsrunden und datenstrategische Prioritäten
Anfang des Jahres schloss die DeSci-Plattform Bio Protocol eine Finanzierungsrunde über 6,9 Millionen US-Dollar ab, die von Maelstrom Fund und Animoca Brands unterstützt wurde, nachdem zuvor bereits Investitionen seitens Binance Labs erfolgt waren. Die Finanzierung unterstreicht das anhaltende Interesse an Infrastruktur- und Datenplattformen, die Forschung und KI-Training ermöglichen. Für viele DeSci-Projekte bleibt die Beschaffung von Daten eine strategische Priorität: Zahlreiche Plattformen sind aktiv auf der Suche nach Genom-Datensätzen und anderen relevanten klinischen Datenquellen — darunter auch Vermögenswerte, die aus eingestellten Direkt-to-Consumer-Diensten wie 23andMe hervorgegangen sind.
Dieses Streben nach Daten führt zu komplexen rechtlichen, ethischen und technischen Fragestellungen: Nutzungsrechte, informierte Einwilligung, Datenqualität und Bias-Management sind Schlüsselfaktoren. Projekte, die transparente, nachvollziehbare und datenschutzkonforme Mechanismen zum Erwerb und zur Nutzung von Datensätzen anbieten, haben einen Wettbewerbsvorteil. In diesem Kontext können DeSci-Ansätze, die Tokenisierung und dezentrale Governance nutzen, neue Möglichkeiten eröffnen, z. B. für eine faire Vergütung von Datenspendern oder für gesteuerte, erlaubnisbasierte Zugriffe auf Datensätze.
Auswirkungen auf Blockchain, Gesundheits-KI und EHR-Systeme
Die Zusammenarbeit zwischen Samsung und Galeon steht beispielhaft für eine wachsende Konvergenz von Blockchain-Technologien, Dezentraler Wissenschaft und Gesundheits-KI. Durch die Verbindung von Samsungs Imaging-Hardware mit Galeons EHR-Infrastruktur und DeSci-basierter Governance entsteht ein Modell für datenschutzfreundliches KI-Training: Institutionen behalten die Kontrolle über Patientendaten, während gleichzeitig skalierbare, auditierbare Modellentwicklungen ermöglicht werden. Für Klinikerinnen und Kliniker, Forschungsteams und Investoren schafft dieses Modell einen pragmatischen Weg, um on-chain-Transparenz mit realen medizinischen Arbeitsabläufen zu verknüpfen.
Aus technischer Perspektive sind mehrere Aspekte hervorzuheben: die Integration standardisierter Schnittstellen (z. B. FHIR/APIs) zwischen Ultraschallgeräten und EHR, die Nutzung föderierter Lernarchitekturen zur Minimierung von Datenbewegungen, sowie die Implementierung von Smart Contracts zur Governance und Revisionssicherheit. Operativ erfordert dies robuste Cybersecurity-Maßnahmen, rollenbasierte Zugangskontrolle, regelmäßige Validierung von Modellen in klinischen Studien und klare Prozesse zur Meldung und Behebung von Modellabweichungen.
Während Gesundheitsorganisationen und DeSci-Initiativen weiterhin Überschneidungen zwischen Blockchain und KI erkunden, ist mit vermehrten Partnerschaften zu rechnen, die sicheren Datenaustausch, föderiertes Lernen und verifizierbare Modellverwaltung über Krankenhausnetzwerke und Forschungseinrichtungen hinweg fördern. Solche Kooperationen könnten mittelfristig die Qualität der Patientenversorgung verbessern, administrative Prozesse effizienter gestalten und die Innovationsgeschwindigkeit in medizinischer Forschung erhöhen — vorausgesetzt, regulatorische und ethische Rahmenbedingungen werden strikt eingehalten und transparent umgesetzt.
Quelle: cointelegraph
Kommentare