Solution pour l'exploitation des données de santé dans un environnement sécurisé par chiffrement homomorphe

Solution for the exploitation of health data in a secure environment using homomorphic cryptography.

• Auteur / Autrice : Karl Paygambar
• Direction : Vincent Meyer
• Type : Projet de thèse
• Discipline(s) : Biologie Computationnelle
• Date : Inscription en doctorat le 02/10/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Structure et dynamique des systèmes vivants (Gif-sur-Yvette, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Centre National de Recherche en Génomique Humaine - DRF/JACOB
• Partenaire(s) de recherche : Référent : Université d'Évry Val d'Essonne

Mots clés

Mots clés libres

Apprentissage Automatique

Sécurité

Génomique

Cryptographie

Santé

Machine Learning

Security

Genomics

Cryptography

Health

Résumé

Aujourd'hui, les méthodes numériques en santé ne peuvent se passer de l'utilisation massive des données. Que ce soit pour de l'analyse de données ou la création d'Intelligence artificielle, la question de l'accès à des données nombreuses et de qualité est centrale pour relever les défis de demain. La génomique est un axe majeur de développement pour la médicine du futur, elle constitue aujourd'hui une masse d'information sensible et identifiante nécessitant un cadre réglementaire, des infrastructures et des solutions de protection de la donnée permettant d'assurer un contexte d'exploitation hautement sécurisé. Cependant, ce besoin se heurte naturellement aux contraintes de sécurité et de confidentialité inhérentes à tout processus exploitant de la donnée numérique dite « sensible » ou « personnelle. En particulier, la cybersécurité liée à la collecte, au traitement et au stockage des données constitue un challenge considérable en termes de régulations, de technologies et d'isolation. Dans la continuité de l'historique des programmes transverses DRT-LIST/DRF-CNRGH autour de l'exploitation des données de santé au sein d'un système de chiffrage homomorphe, cette thèse propose de poursuivre ces développements au sein du volet « données de santé » avec pour ambition d'identifier une (ou plusieurs) conception d'architecture et solutions sécurisées répondant aux besoins émergeant de confidentialité lors l'exploitation des données Génomiques dans les contextes de recherche clinique et diagnostique; notamment dans le cadre des développements récents de l'apport de la médicine génomique appliquée aux cancers.

Today, the development of the digital healthcare requires to handle large volume of information for numerous fields of application, notably when using machine learning. Nevertheless this development faces the precondition of a high level of security and confidentiality related to personal data in healthcare. The cybersecurity establishment for the collection, processing and storage of the data constitute major challenges for technologies, computing facilities and infrastructures regulation. The genomics data are progressively installed as a major actor for the development of the medicine. The genetic profiling are currently used for the care pathways notably related to cancer and others fields (rares diseases, diabetes, etc...). These data are rightly classified by the regulatory authorities as highly personal identifying data and require properly secure environment for research and clinical application. Here, following the expertise set by previous collaborative programs between the DRT/LIST and the DRF/CRNGH involving health data homomorphic encryption, we propose to pursue this development to explore and identify architecture and technologies designs fitting the requirement for healthcare and genomics data exploitation notably for care pathway in Cancer.