沟通咨询
提交成功

健康医疗数据流通和保护难兼顾 瑞莱智慧开出隐私计算良方

2022.11.16
公司动态

健康医疗大数据作为重要的基础性战略资源,蕴藏着巨大的价值。医学研究、药物开发、防疫及临床医疗应用等医学科学领域的发展,越来越倚重数据价值的挖掘,因此离不开多方数据的流通与共享。矛盾的是,由于医疗数据滥用、隐私信息泄露事件频发,医疗数据的监管日趋严格。那么,广大医疗机构如何在合规前提下,实现数据安全流通呢?

 

近日,瑞莱智慧RealAI产品总监寇梅如在由互联网医疗健康产业联盟、隐私计算联盟、中国通信标准化协会大数据技术标准推进委员会共同举办的“健康医疗数据流通的应用发展前沿”沙龙上,分享了RealAI基于隐私计算技术助力医疗数据安全流通方面的探索和实践。

 

 

是什么阻碍了医疗数据的共享流通?

 

健康医疗大数据本身具有特殊性:尽管数据海量,但散落在不同的医疗机构和医院信息系统中,形成了“信息孤岛”和“数据烟囱”,对医疗数据要素充分发挥应有的经济社会价值构成了障碍。

 

这些障碍是如何形成的呢?医疗机构内包含病历、影像、医药、医保结算清单等不同维度的数据,对于医疗机构特别是大量的中小医疗机构而言,他们自身拥有与收集到的数据,只能算“小数据”,需要与其它医疗机构合作,实现数据的流通与共享,才能形成“大数据”,支撑自身科研和诊疗标准化工作的开展。目前,让医疗机构不愿、不敢、不能共享的原因主要有三:

 

第一,医疗机构各种信息系统繁多,临床数据标准化程度低,缺乏统一的建设标准,如何实现多中心、大规模临床数据共享面临技术挑战;

 

第二,目前医疗数据共享获益机制尚不健全,缺乏患者、医院以及数据利用方均能有效获益的分配模式,数据共享和利用缺乏动力;

 

第三,医疗数据具有敏感性,涉及个人隐私甚至国家安全,医疗数据安全及隐私保护十分重要,出于数据安全、隐私保护及法律合规的顾虑,这也在很大程度上影响了医疗机构之间共享数据。

 

 

隐私计算:驱动行业数据流通的理想选择

 

行业数据需要在保证安全的前提下流通起来,医疗行业更应如此。

 

在政策层面,202012月,国家标准化管理委员会发布《信息安全技术 健康医疗数据安全指南》(GB/T 39725-2020),其中明确了健康医疗数据定义,将医疗数据划分为五级六类,总结出了八大健康医疗数据流通业务场景,针对具体场景,提出了包含多个环节在内的全流程安全管理要求。这意味着,医疗机构在挖掘数据潜在价值的时候,既需要实现数据的共享和融合应用,同时也不能降低数据安全的保护水平。

 

今年5月,国务院办公厅印发《“十四五”国民健康规划》,要求构建权威统一、互联互通的全民健康信息平台,完善全民健康信息核心数据库,推进各级各类医疗卫生机构统一接入和数据共享。探索建立卫生健康、医疗保障、药监等部门信息共享机制,通过全国一体化政务服务平台,实现跨地区、跨部门数据共享。

 

在安全可靠的前提下,让医疗机构愿共享、敢共享、能共享数据,除了政策的鼓励以外,也离不开技术的支持与创新。业界专家普遍认为,隐私计算是目前比较理想的技术选择。

 

隐私计算有着分散存储、保护隐私、促进数据流通及价值释放等特点,可突破集中式的数据存储,实现分布式的存储及运算,打破数据孤岛,促进数据要素流通;可在数据流通过程中不泄露明文信息,通过安全多方计算等技术手段实现安全分析计算;驱动用户数据的输出与共享,促进机构间的数据流通,打破“数据孤岛”,最大化释放数据的价值。

 

对于医疗机构而言,采用基于联邦学习、多方安全计算等技术的隐私计算平台,可从源头保证数据流通的合规性,充分发挥数据要素价值,实现健康医疗多源数据在安全、合规、流动的环境下协同共享,真正实现数据的“可用而不可见”,助力决策支撑,加速医疗机构的发展。

 

 

RealAI助力医疗行业高质量快速发展

 

面对医疗机构需要兼顾数据共享流通和保护这一“刚需”,RealAI以第三代人工智能技术和隐私计算技术为依托,为行业提供“数据+平台+场景”一体化的医疗数据安全流通解决方案,可根据客户的不同需求进行定制,助力实现数据整合治理、数据安全共享、数据价值应用等全流程的多中心科研服务支撑,从而促进医疗数据融合,助力科研水平提升。

 

RealAI医疗数据安全流通解决方案

 

该方案的核心是运用人工智能、分布式计算、密码学等多学科技术打造的隐私保护计算平台,同时也是RealAI为实现安全挖掘数据流动的价值,利用多方安全计算、联邦学习、可信执行环境等多技术路线打造的数据安全共享基础设施。

 

在平台基础上,RealAI专业医疗+技术团队会根据需求场景的不同,采用不同的技术路线组合,为客户提供适合的应用服务,真正做到业务导向、场景驱动,最终面向医疗数据流通场景智能化升级,为客户提供技术平台+应用服务的一站式赋能方案。

 

其中,多方安全计算适用于多中心临床药研结果统计环节等联合统计分析场景;联邦学习适用于辅助诊疗模型的构建、药物研发模型的预测,常用于联合建模场景;可信执行环境适用于集中式的慢性病联合研究等场景,在保证效率的同时,避免数据所有方对外传输原始数据。

 

RealAI医疗数据安全流通解决方案架构图

 

平台向下对接包括电子病历、医保支付、药品零售等在内的行业数据生态,解决数据的共享问题,向上则支撑包含临床决策、医保控费、远程会诊等在内的医疗健康场景解决方案,最大程度为医疗行业人士的使用提供便利。

 

如今,隐私计算技术为人们提供了能够兼顾数据共享和隐私保护的思路和方法,不但可以充分保护数据隐私及安全,也能够促进医疗数据的安全流通。作为隐私计算技术的实践者和开拓者,RealAI将携手业界优秀合作伙伴,共同推动健康医疗数据产业的高质量发展,为医疗数据价值的释放,创造更安全、更健康、更便利的技术环境。