在当今数字化时代，医疗领域积累了大量的个人健康数据，其中包括诊断记录、医学影像、病人基因信息等。这些数据在很大程度上推动了医学研究和诊疗的进步。
然而，随着数据共享和交流的需求增加，保护个人隐私和数据安全变得尤为关键。医疗数据的隐私泄露不仅会对个人造成损害，还可能威胁到整个医疗系统的稳定性和可靠性。因此，如何保证医疗数据的隐私性和安全性成为医疗行业的重要问题之一。
隐私计算作为一种新兴的技术，为医疗行业提供了一种保护隐私和实现数据共享的解决方案。它使用密码学、分布式计算等技术，可以对敏感数据进行加密和处理，从而保护个人隐私。隐私计算还可以在不泄露原始数据的情况下，对数据进行分析和共享，为医疗研究和创新提供支持。
在本文中，我们将重点介绍隐私计算在医学科研、反医保欺诈、传染病监测防控、医疗数据资产管理等方面的应用案例，探讨其在促进医疗领域数据隐私保护和数据共享方面的价值。
隐私计算+医学科研
医学科研主要是指借助实验室手段对疾病发生机理、诊断和治疗等方面的科学研究，其对人类社会的发展与进步起到了举足轻重的作用，随着信息化的推进及人工智能技术的逐步成熟，医学科研对医疗健康数据的需求量也在逐步地增加。
但由于数据安全、患者个人隐私信息等问题，不同医学科研单位之间难以共享各自的医疗健康数据，医院临床的患者信息也很难提供给科研部门。医疗健康数据不足是现代医学科研面临的重要问题之一，对于需要大量数据或数据难以获取的医学研究来说该问题尤为突出。
近年来，我国高度重视罕见病的诊疗工作，国家卫健委于2019年发布了《罕见病诊疗指南》，并于2020年1月发文设立了全国罕见病诊疗协作网办公室。由于罕见病患者较少，单个医学科研部门很难获取到足够可供研究的医疗健康数据，多个医学科研部门罕见病数据共享开放又存在诸多合规及安全上的问题，数据不足则成为了罕见病医学科研的主要障碍之一。
除了数据难以获取，需要大量数据的医学科研（如基因组关联分析）也同样存在数据不足的问题。解决医疗健康数据孤岛，是促进医学研究的关键，而隐私计算技术的出现在一定程度上解决了该类难题。
通过隐私计算技术，可以在保证医疗健康数据安全、合法的前提下，构建一个数据流通使用的医学科研应用平台（见下图）。
医学科研应用平台
通过利用隐私计算联邦学习技术，可以根据实际科研机构的需求在该平台进行科研建模，医学科研机构和卫健委可以作为数据提供方将自身的科研数据提供给平台。
凭借着联邦学习的特性，医学科研机构可以在该平台上不断丰富自己的模型，同时医学科研机构和卫健委提供的数据并不需要出其本地，这个过程也在真正意义上实现了数据的“可用不可见”。
此外，卫健委也可以根据自身实际需求，对该平台上的建模任务及数据共享流通的过程进行监督与管理。
反医保欺诈
美国蓝十字蓝盾保险公司（Blue Cross Blue Shield）采用隐私计算技术进行欺诈检测。该公司在其医疗保险计划中使用隐私计算技术，对大量的医疗数据进行加密和处理，并利用安全计算技术进行欺诈检测。经过实践验证，该公司成功检测出了多起欺诈行为，并大大提高了欺诈检测的准确性和效率。
在医疗保险计划中，蓝十字蓝盾保险公司采用了多种隐私计算技术，包括同态加密、安全多方计算（SMPC）和差分隐私等。具体地，该公司将医疗数据进行同态加密处理，使得保险公司无法访问原始数据，只能在加密数据上进行操作和计算。
同时，蓝十字蓝盾保险公司也采用SMPC技术，将加密后的数据分散到多个计算节点中，各个节点进行安全计算并输出加密结果，最后通过密文合并技术进行结果合并，从而保证了数据隐私和安全性。
在欺诈检测方面，蓝十字蓝盾保险公司还采用了差分隐私技术。具体来说，该公司采用随机噪声的方式对医疗数据进行扰动，从而保护患者的隐私，并且在随机扰动后的数据上进行欺诈检测。通过这种方式，蓝十字蓝盾保险公司可以在保护数据隐私的同时，提高欺诈检测的准确性和效率。
蓝十字蓝盾保险公司的隐私计算方案非常完善，综合使用了同态加密、SMPC和差分隐私等多种隐私计算技术，保证了医疗数据的隐私性和安全性。这一案例表明隐私计算技术在医疗保险领域的应用具有广阔的前景和应用价值。
传染病监测防控
随着大数据融合应用和隐私保护的双重需求驱动，各地政府对医疗数据要素高度重视，隐私安全计算等一类技术也参与到相关建设项目的规划中。要实现真正的落地应用，不仅是技术的支持，更需要行业各方的协作，宜昌市传染病多点触发监测预警信息系统正是翼方健数在医疗领域多方协作的经典案例。
通过打通全民健康平台、政务数据平台，关联卫健、医保、社保、民政、出入境、教育、气象监测及空气质量等数据，实现病例和症状监测信息直接抓取、实时汇集。基于这些数据的联邦学习时空预测模型，不仅可以提前数天预知高风险人群的数量，还能够帮助医生提高传染病诊断的准确率。
宜昌市传染病多点触发监测预警信息系统
利用隐私安全计算、人工智能、大数据等技术赋能各级医疗机构，进行多部门数据资源整合，精准筛选、消除误报，实现数据驱动的智能传染病防控。平台有效预警高达700次/月，法定传染病网络直报运行率达到100%，医疗机构传染病漏报率城区低于2%、县市低于4%。
这不仅仅是医疗数字化的有效运用，更是城市数字化转型实践的深刻体现。通过将传染病多点触发预警监测平台与智慧城市运行管理中心有机结合，宜昌市形成政府协同管理的一体化城市运行管理体系，实现城市级医疗信息的全面感知智能化、态势监测可视化、事件预警可控化。
城市医疗大数据应用开放平台以传染病疫情疾控为出发点，逐步促进政府公共数据与社会企业数据融通。项目中使用的疾控模型开发环境，也适用在隐私安全保护前提下为社会企业提供数据开发环境，以促进城市医疗数据要素市场发展。
医院数据资产管理
基于隐私安全计算技术，为医疗机构建设数据资产管理平台，能够帮助其医疗数据发挥临床价值、科研价值、运营价值和社会价值。医疗数据不仅可以在医院内高效协作、充分共享，也可以在院外安全、受控使用，从而达到实现医疗数据资产化的目的。
江苏省人民医院通过构建院内隐私计算平台，将治理后的院内数据形成标准化数据资产，以数据资源目录的形式向院内职工提供数据服务。
江苏省人民医院数据资产管理平台
关键步骤包括：
一是院内数据申请与授权。院内医师获取的外部数据，如实验室数据、测序数据等，通过数据所有方上传至平台，并设置数据访问权限，实现外部数据内部化，支持平台用户进行数据分析作业。
二是敏感数据可用不可见。药品使用信息、患者个人隐私信息等关键信息，可以在不可见前提下进行模型训练，开展某种药品在特定疾病下使用的频率等统计学方面的研究，但不涉及直接统计某个药品的使用量。
三是集成计算与存储能力。隐私计算平台提供的第三方应用以及自己的应用可以让用户在平台上进行全部的数据相关作业，结果可在平台上进行验证或应用。
对于一个完整的数据资产管理流程来说，隐私计算是其中的一个核心技术，但平台是一整个系统工程。
在这个系统工程中，首先要保证的是全流程的通畅。从数据的汇集到数据的治理，以及归一、结构化、标准化等，围绕能够实现数据全流程管理的平台，才能够帮助医院衍生出在科研、传染病监察哨点、智能分级诊疗、医院运营等场景下的智能应用。
>>来源：开放隐私计算
本篇文章来源于微信公众号: 数字金融网
