醫療：疫情下，人類高質數據共享場景有哪些？

2021-09-01 08:26

序

很多時候我們不得不佩服商業世界的嗅覺和行動力——看到就能想到，想到就馬上去做。近幾年隱私計算的躥紅便是這一邏輯的完美演繹，而有意思的是，這事看來還真能做成。

早在上世紀80年代，姚期智先生提出“百萬富翁問題”。當時并沒有引起很大關注，更多只是學術界的一篇論文，從影響來看甚至還是問題大于解決方法的。

2016年以后，大數據、人工智能等科技迅速落地開花，帶動數字經濟興起，全社會開始意識到數據的巨大價值，公眾也開始看到數據和隱私信息被無底線利用。

學界和科技界開始對“百萬富翁問題”做出全新闡釋，也對問題的解決方法——多方安全計算技術（MPC）重新投入了激情。與此同時，為了能更好地利用數據但又不“看到”數據，聯邦學習（所謂“數據不動模型動”）、可信執行環境（為數據打造硬件“飛地”）等技術也被深入探索，與MPC等密碼學技術在數據安全共享的山頂成功“會師”。

套用上述邏輯可以看到，商業遠見看到了“古老”技術和當下數據利用的痛點，想到了兩者的供需關系和商業價值，并且迅速行動，把各項單純的技術整合成全套解決方案，繼而拓寬應用場景，推動商業化落地。

之后的故事就沒有什么懸念，隱私計算終于閃亮登場。無論這個名字是否準確嚴謹，人們的理解和共識卻是基本一致的：隱私計算實現數據“可用不可見”，釋放數據價值。

時至今日，隱私計算成功實現了從實驗室到商業落地的轉身。算力智庫創始人燕麗表示：“近2－3年里隱私計算技術企業獲得訂單變得更容易了，因為好場景、好案例越來越多。就在當下，隱私計算產業迎來了歷史發展機遇。”

商業還在持續催化產業發展。根據甲子光年《2021隱私計算行業研究報告》，隱私計算自2019年以來受到資本市場密切關注，截至目前獲百億美元級融資，平均每起融資數千萬元。

從訓練場到競技場，站在新起跑線上的隱私計算能否變得更快更強？算力智庫隱私計算專題希望能在此時間點，回望2021年上半年隱私計算在金融、醫療、營銷等領域的新成績，展望新政策、新技術、新需求下的新趨勢，同時還理性看待必須面對的新挑戰。

值得一提的是，算力智庫是國內最早關注隱私計算發展的媒體之一。早在2018年，算力智庫就攜手隱私計算及科創領域領先企業和機構聯合打造了國內首個數據安全與隱私保護專業聯盟平臺“振金社”，并開始持續報道隱私計算相關內容。

2019 年初，算力智庫研究院聯合肖風博士及隱私計算專家，從市場行情、技術分析、行業應用、項目梳理等方面編撰發布國內首部基于MPC 的隱私計算報告——《基于MPC的隱私計算：開啟數字經濟時代數據共享新商業模式》。

2020 年7 月5 日，算力智庫聯合巴比特、上海人工智能發展聯盟、長三角大數據產業合作聯席會議、上海現代服務業聯合會金融科技專委會及眾多業界領軍企業共同舉辦國內首個隱私計算產業論壇——“隱私計算：讓數據安全有序流動起來”暨2020隱私計算產業30 強榜單頒獎典禮。

2021年6月3日，由算力智庫主辦，中國信息通信研究院云計算與大數據研究所、隱私計算聯盟、隱私計算技術聯盟聯合主辦的2021第二屆隱私計算產業與應用論壇在上海圓滿收官。

今天，算力智庫“2021隱私計算半年紀”登場，首篇將聚焦醫療領域。

以隱私計算為代表的數據價值挖掘與安全共享技術已經初具產業規模而光環加身。在醫療數據互聯互通的大趨勢下，醫療領域也在擁抱隱私計算。

華東醫院信息科主任馮杰表示，醫療數據安全一直是監管重點，包括互聯網醫療數據、可穿戴設備數據以及科研數據等。體系建設的要求勢必帶來醫療數據的交互利用，而隱私計算是目前醫療數據合規利用中一項急需應用的技術。

國內隱私計算代表企業之一锘崴科技聯合創始人鄭灝對算力智庫表示，近年來醫療行業對隱私計算的接受程度越來越高，很多三甲醫院信息科基本不用再做什么科普。隱私計算對于醫療領域應用的適配是未來趨勢，不僅需要加強隱私計算底座的功能，而且需要找到切入臨床問題的應用，并把應用基于底座實現。

疫情催化數據共享需求

作為實現數據可用不可見的“技術解”，隱私計算近年來受到醫療領域持續關注，根本原因是醫療數據已經進入了必須安全又必須共享的時代。

在政策與合規層面，我國醫療數據相關頂層設計不斷加速，安全與共享“兩手抓”。

2021年7月，《“十四五”優質高效醫療衛生服務體系建設實施方案》正式發布，在“公立醫院高質量發展工程”章節有關國家醫學中心建設部分明確提出：推進跨地區、跨機構信息系統的互聯互通、互認共享、術語規范以及數據的整合管理，建設主要疾病數據庫和大數據分析系統。

與此同時，醫療數據安全性始終是一條只進不退的紅線。據《經濟參考報》近日報道，全國醫療機構網絡信息安全管理辦法將出臺，表明國家希望通過立法、加強監管等多維度方式持續提升醫療健康數據的整體安全水平。

在行業層面，盡管數據安全形勢愈發嚴峻，但疫情沖擊下，醫療數據共享又成為“剛需”。

根據美國HIPPA Journal數據，2009至2020年間，全美共有超過2．68億份醫療記錄遭泄露，這一數字占美國人口的比例超過81．72％。近兩年醫療數據泄露更是愈演愈烈，平均來看，2018年規模超500份的泄露事件達到每天1起，而至2020年更達到每天1．76起。

規模超500份的醫療記錄泄露事件數量

圖片來源：HIPPA Journal網站

與此同時，數據共享對抗疫作用顯著。“健康碼”、“行程碼”的背后是全國范圍內的大數據支撐，目前許多地方開始合并各類抗疫相關二維碼也必然要打通數據，而新冠疫苗的研發更離不開大量數據的共享分析。海外方面，美國疾病預防控制中心（CDC）于8月18日宣布將建立疾病預報中心，其核心功能之一就是促進公共健康數據的互聯互通，以便在未來公共衛生緊急情況下用數據幫助政府做出決策。

醫療數據安全共享已經成為世界性的“兩難又兩全”問題，恰為隱私計算提供了廣闊舞臺。

醫療數據擁抱隱私計算

今年以來，“隱私計算＋醫療”最令人振奮的消息莫過于Swarm Learning（SL）登上了國際學術期刊《自然》（Nature）雜志封面。簡單來說，SL是一種基于區塊鏈的機器學習方法，分布式特性使其能利用大數據集而無需犧牲保密性。

比科研成果更有說服力的是落地應用。從全球來看，隱私計算相關技術已開始進入國家級部署階段。

今年6月，英國國民醫療服務體系（NHS）發布《數據拯救生命：以數據重塑健康及社會關懷》戰略草案，旨在讓病人更容易訪問及控制自身健康和護理數據，同時以數據助力發現新治療方法。這一草案的核心就在于把數據隱私及安全放在突出位置。

該草案指出，NHS應關注數據收集、存儲和分析的相關技術進展，在已經采取反識別化、匿名化等數據脫敏處理的基礎上，再應用隱私增強技術（PETs）確保個人信息安全。其中，隱私增強技術包括合成數據（synthetic data）、聯邦分析（federated analytics）、同態加密（homomorphic encryption）、差分隱私算法（differentially private algorithms）。

在疫情相關的通行碼方面，韓國的Pass＆Go可謂獨樹一幟，其不以中心化服務器為驗證方式，而采用去中心化的區塊鏈技術確保數據隱私和安全。據了解，Pass＆Go不僅驗證已接種疫苗人群的信息，也驗證新冠病毒陰性和已康復具有抗體的人群信息，基于區塊鏈技術生成臨時通行證。

韓國前總理、聯合國大會第五十六屆會議主席韓升洙在2021世界人工智能大會上表示，Pass＆Go為驗證結果創建數字憑證，與通過中心化服務器驗證的方法相比，Pass＆Go具備去中心化驗證系統，使用三種哈希值加密，測試日期和測試結果上鏈，消除了偽造數據的可能性。今后，Pass＆Go還將用于新冠疫情之外的傳染病場景，如艾滋病、黃熱病等。

在國內，隱私計算的落地應用也在近幾年迅速“星火燎原”。以隱私計算領軍企業之一翼方健數為例，該公司早在2017 年就參與了廈門市國家醫療健康大數據試點城市的落地工作，建立了廈門健康醫療大數據應用平臺。

2021年4月，翼方健數與上海市長寧區衛生健康委員會合作，在隱私保護技術的支撐下率先開放深度數據挖掘應用，構建長寧區健康醫療大數據應用開放平臺。翼方健數將在保證數據安全性的前提下，打通平臺與數據需求單位間的連接，通過大數據應用開放平臺，匯聚、整合全區醫療衛生機構的健康醫療數據，實現數據共享交換和協同，為后續醫養健康、醫療保障等相關政策制定提供數據支持。

锘崴科技近幾年也收獲頗豐。鄭灝表示，基于锘崴科技的隱私計算平臺，多個醫療機構完成了全球首個跨國多中心罕見疾病數據共享；實現了全國首個跨省多中心風濕免疫全基因組分析；開展了重大與新突發傳染病關鍵信息技術研究，研發了基于多維度大數據的新突發傳染病實時監測和早期預警系統，賦能公共衛生應急管理體系。

可以預見，隱私計算平臺將成為整個醫療信息化體系的重要數據基礎設施之一。

熱度不小，理性不減

隱私計算落地醫療領域不僅促進了醫療數據的安全流動與共享，也帶動了相關隱私計算技術企業完成了從創業求生到發展壯大的蛻變。鄭灝樂觀估計，公司今年營收預計將同比增長10倍。

產業的迅猛發展也讓各路資本信心大增，不斷投向隱私計算標的。8月中旬，锘崴科技完成億元級B輪融資，獲得包括致遠互聯、連宇投資、海南然格等多家風險基金支持。此前7月末，翼方健數完成B＋輪超3億元人民幣融資，或為隱私計算領域技術專精型公司中已披露的最大規模單筆融資。

然而，當下的熱火朝天并不意味著未來的高枕無憂。一個不爭的事實是，隱私計算與醫療領域還處于“磨合期”，醫療行業的特殊性對隱私計算的作用提出了更高要求。

第一，與其他行業相比，醫療行業對隱私計算的要求更高，考驗隱私計算綜合能力。鄭灝表示，醫療領域的方法論相比其它領域要更為復雜，很多時候已經超越了建模的范疇，通過隱私計算的底座來支持復雜的方法論是一個挑戰，其中涉及并發度、準確度、算法復雜度、隱私等一系列實現和優化點。

第二，安全與性能的平衡。隱私計算的重要技術路徑之一是密碼學（如同態加密、差分隱私、區塊鏈等），一旦涉及大量數據計算或高等級安全性就會導致性能問題。因此現實中如果在所有方面都追求極致安全，既不可能也無必要，而是需要在安全與性能之間找到平衡點。

對此鄭灝認為，醫療領域對隱私計算的要求很高，是性能、安全性和精度三個方面的平衡，可以通過三方面實現：1．安全等級應由具體場景決定，避免過度保護或者保護不足。2．在確保安全保護等級的前提下確定數據分析過程中的精度要求。3．針對醫學數據的特性、分析方法論的特性、多中心特性、高并發特性等結合隱私計算進行性能優化。

隱私計算仍處發展早期，技術問題顯然遠不止這些，但技術問題總能夠解決。與金融等其他領域的落地相比，隱私計算在醫療領域還要面對更多技術之外的問題，甚至技術之上的悖論。比如，數據共享究竟是誰獲益？

從患者視角來看，大多數情況下，患者貢獻數據的受益人并不一定是患者本人或者某些個人（如絕癥病人），而可能是相當長時間后的科研成果或一類患者人群。在這種情況下，眼前的患者本人是否還愿意貢獻數據給未來的他人呢？

從機構角度來看，所有醫療機構都意識到數據是重要資產，具有極高敏感性并受到強監管。醫療機構，特別是擁有大量數據的大型醫療機構，是否還愿意共享數據呢？另外，治療疾病所需的還不只是臨床數據。病患日常生活習慣、可穿戴設備等記錄的數據醫療機構并不掌握。

這些問題背后是數據確權（法律問題）、數據融合（多部門協作）、數據交易（激勵機制）等一系列難題。與金融等商業領域相比，醫療領域還有其獨特的公益性，醫療數據各相關方必須權衡社會利益與商業利益。

在許多復雜問題有待解決、許多利益關系有待厘清之前，隱私計算作為“技術解”已經可以解決或規避一些問題，也正在解決或有望解決另一些問題。至少，隱私計算技術帶來了這樣一次機會，以可控、可靠、可驗證的方式，讓患者和醫療機構都可以相信數據是安全的，更可以放心行動，把分享變得功德圓滿。