(1.蘇州市衛生計生統計信息中心，蘇州 215002；2.中國信息通信研究院安全研究所，北京 100191；3.綠盟科技集團股份有限公司，北京 100089 )
0 引言
近年來，我國衛生健康行業信息化有了顯著的發展和進步，醫療數據開放共享已經成為了當下時代發展的趨勢。中共中央、國務院發布的《“健康中國2030”規劃綱要》，要求推進基于區域人口健康信息平臺的醫療健康大數據開放共享、深度挖掘和廣泛應用[1]。國家衛生健康委員會(簡稱“衛健委”)《“十四五”全民健康信息化規劃》也要求加強健康醫療大數據創新應用與行業治理，采取“原始數據不出域、數據可用不可見”等方式，有序推動健康醫療大數據共享應用[2]。但從實際情況來看，醫療健康數據共享與利用的難題仍是目前阻礙衛生健康行業信息化發展最重要的因素之一，其核心在于數據共享勢必會帶來更多數據安全問題。面對以上問題，結合衛生健康行業實際場景進行了分析與探索，提出了隱私計算在實際應用場景下的應用方案，同時對隱私計算模型安全的建設進行了討論并給出了相應的意見。
1 衛生健康行業信息化發展現狀及面臨的挑戰
我國已經步入了信息化時代，衛生健康行業也正在快速推進信息化建設的進程，同時我國在政策上也在不斷完善衛生健康行業信息化發展的要求。2018年，國務院辦公廳發布了《關于促進“互聯網+醫療健康”發展的意見》，在該意見中指出醫療聯合體要積極運用互聯網技術，加快實現醫療資源上下貫通、信息互通共享、業務高效協同，便捷開展預約診療、雙向轉診、遠程醫療等服務[3]。上述政策出臺之后全國各地迅速落實，2020年12月國家衛健委發布了《關于深入推進“互聯網+醫療健康”“五個一”服務行動的通知》，該通知總結了兩年來實踐中的典型做法，強調要推進新一代信息技術在醫療衛生健康行業深度應用創新發展[4]。在國家政策的大力支持下，我國衛生健康行業信息化市場不斷壯大。據艾瑞咨詢報告[5]，我國2021—2025年區域醫療信息化市場空間復合增長率為27.9%，2025年我國醫療信息化市場空間將達到1 245 億元(見圖1)。
圖1 2021—2025年中國區域醫療信息化市場空間
在衛生健康行業信息化高速發展的過程中，醫療健康數據也不斷加速了開放共享，然而醫療健康數據的開放共享勢必也帶來了更多的數據安全問題。《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》明確指出在推進政府數據開放共享、提升社會數據資源價值的同時應加強對政務數據、企業商業秘密和個人數據的保護[6]。美國HIPPA Journal的報告顯示[7]，2021年全美上報的醫療記錄數據泄露事件數量是2015年的2.5 倍以上、 2010年的3.5 倍以上，2009—2021年間，全美共有超過3.14 億份醫療記錄遭泄露，這一數字占美國人口的比例超過94.63%。
2 隱私計算助力困境破局
醫療健康數據更好的高效流轉及開放共享已經成為了衛生健康行業信息化發展的趨勢，但這種趨勢也會增大數據的安全風險。那么，如何在保證數據安全、合法的前提下實現數據的高效流轉？在此背景下，隱私計算作為在數據融合應用過程中保證數據安全合規的關鍵技術路徑，成為當前各界關注和研究的熱點技術之一。
隱私計算，又稱隱私增強計算，指在提供隱私保護的前提下，實現數據價值的技術體系。隱私計算通過基于安全多方計算、聯邦學習、可信執行環境等技術構建特定的技術方案，在保護數據隱私的基礎上實現多方數據共享，實現數據處于加密狀態或非透明狀態下的計算，以達到各參與方隱私保護的目的[8-9]。
從理論上來看，隱私計算可以有效地緩解醫療健康數據的安全問題，從而更好、更快地推進衛生健康行業信息化的發展。但從實際情況來看，隱私計算如何貼近衛生健康行業不同的真實場景應用，以及隱私計算自身模型安全性是否可靠等問題仍需要進一步研究。
3 隱私計算在衛生健康行業的應用與安全探索
為了更好、更快地利用隱私計算技術實現數據的開放、共享與利用落地，以及更好、更快地推進衛生健康行業信息化的發展，本文將對隱私計算在衛生健康行業的應用與安全進行全面的探索與實踐[10-11]，具體如下。
3.1 隱私計算助力醫學科研
醫學科研主要是指借助實驗室手段對疾病發生機理、診斷和治療等方面的科學研究，其對人類社會的發展與進步起到了舉足輕重的作用，隨著信息化的推進及人工智能技術的逐步成熟，醫學科研對醫療健康數據的需求量也在逐步地增加。然而，由于數據安全、患者個人隱私信息等問題，不同醫學科研單位之間難以共享各自的醫療健康數據，醫院臨床的患者信息也很難提供給科研部門。醫療健康數據不足是現代醫學科研面臨的重要問題之一，對于需要大量數據或數據難以獲取的醫學研究來說該問題尤為突出。
近年來，我國高度重視罕見病的診療工作，國家衛健委于2019年發布了《罕見病診療指南》[12]，并于2020年1月發文設立了全國罕見病診療協作網辦公室[13]。由于罕見病患者較少，單個醫學科研部門很難獲取到足夠可供研究的醫療健康數據，多個醫學科研部門罕見病數據共享開放又存在諸多合規及安全上的問題，數據不足則成為了罕見病醫學科研的主要障礙之一。除了數據難以獲取，需要大量數據的醫學科研(如基因組關聯分析)也同樣存在數據不足的問題。
解決醫療健康數據孤島，是促進醫學研究的關鍵，而隱私計算技術的出現在一定程度上解決了該類難題。通過隱私計算技術，可以在保證醫療健康數據安全、合法的前提下，構建一個數據流通使用的醫學科研應用平臺(見圖2)。通過利用隱私計算聯邦學習技術，可以根據實際科研機構的需求在該平臺進行科研建模，醫學科研機構和衛健委可以作為數據提供方將自身的科研數據提供給平臺。憑借著聯邦學習的特性，醫學科研機構可以在該平臺上不斷豐富自己的模型，同時醫學科研機構和衛健委提供的數據并不需要出其本地，這個過程也在真正意義上實現了數據的“可用不可見”。此外，衛健委也可以根據自身實際需求，對該平臺上的建模任務及數據共享流通的過程進行監督與管理。
圖2 醫學科研應用平臺
醫學科研應用平臺上模型的安全問題也應得到重視。在進行聯邦學習建模任務時會涉及到多個參與方，每個參與方都會提供自身的數據助力模型的優化，然而在該過程中可能會出現“惡意”的參與方提供不當的數據以至于模型受到污染。“惡意”的參與方既可能是故意提供不當的數據，也可能是無意之舉，此類污染聯邦學習模型的行為稱之為“模型投毒”。醫學科研應用平臺往往會涉及到多個醫療機構共同建模完善模型，因此該平臺應具備防投毒功能，以便隱私計算技術更好地助力醫學研究。
3.2 隱私計算助力新藥研發
新藥研發領域有一個廣為人知的“雙十定律”，即研發一款新藥平均需要花費10 億美元并歷時10年之久。隨著人工智能的發展，數據對于新藥研發的重要性日益突出，但由于醫療健康數據敏感性等問題，藥企很難直接獲取到醫院的醫療健康數據，數據不足的問題嚴重影響到了新藥研發的進程及新藥質量的水平[14]。
通過隱私計算技術，可以在藥企側構建一個藥物研發平臺(見圖3)，藥企可以在該平臺上開展與其相關的聯邦學習建模任務(如通過建模篩選藥物開發最有效的化合物)，醫院和衛健委則可以通過隱私計算技術給該平臺提供數據支撐。在該應用場景下，醫院和衛健委可以在保證醫療健康數據不出本地的情況下協助藥企優化模型，從而加速我國新藥研發的進程。同時，在該應用場景下，醫院和衛健委也實現了數據的增值，從而一定程度上緩解了近些年來疫情給醫療行業帶來的財政壓力。
圖3 藥物研發平臺
除了上述的應用場景外，藥企之間也可以通過隱私計算技術共同合作來加速新藥的研發。在2022年，安進、阿斯利康、拜耳、勃林格殷格翰、葛蘭素史克等全球10 家頂尖藥企宣布攜手合作，共同利用隱私計算技術進行藥物研究，一起實現互惠共贏。此類應用場景不僅可以消除同行業之間的壁壘屏障、實現互惠共贏，而且會大大促進人類社會醫療水平的進步。值得注意的是，由于是競爭對手共同合作，這類場景下“模型投毒”出現的概率會大大增加，因此該應用平臺更應支持防投毒檢測等模型上的安全性功能。
3.3 隱私計算助力智慧醫療
智慧醫療指的是通過打造健康檔案區域醫療信息平臺，利用最先進的物聯網技術，實現患者與醫務人員、醫療機構與醫療設備之間的互動。隨著衛生健康行業信息化建設的深入和人工智能技術的逐步完善，智慧醫療在醫學影像信息和臨床決策支持等方面都有著顯著的應用[5]。
3.3.1 醫學影像信息化趨勢及面臨的問題
醫學影像是醫生用于診斷和評估疾病的常用手段，其類型通常包括MRI、CT、超聲、PET、組織切片病理圖等。隨著現代醫學發展，傳統醫學影像管理方法已無法適應現代醫學影像管理的要求，無膠片化影像科和數字化醫院已經成為現代化醫療發展的必然趨勢。由于醫生的人工成本高、醫生的知識水平參差不齊且臨床診斷一個患者需要評估數百張影像耗時耗力等原因，用AI技術輔助醫生進行影像診斷已經成為趨勢。但AI影像診斷同樣面臨著數據樣本有限、數據質量較低等問題(尤其是罕見病例)，因此AI影像診斷仍無法對多種類型多種器官病灶進行精準的特征描述，也無法對疾病進行精準的預后評估。
3.3.2 臨床決策支持系統信息化趨勢及面臨的問題
在我國醫療信息化高速發展的當下，臨床決策支持系統(Clinical Decision Support System，CDSS)已進入規模化的應用階段，CDSS已較廣地覆蓋了國內的三級醫院[5]。CDSS是基于人工智能、深度學習等技術，結合醫學知識、臨床案例和患者病情，輔助醫生分析病歷，制定準確、有效的治療方案的工具，具備減少醫療差錯、提高醫療效率、控制醫療費用支出等優勢。但目前CDSS普遍存在不同醫院數據不共享、信息跨級調用難等問題，因此并不能構建完整、專業的醫療知識庫，從而無法高效地幫助醫生進行輔助診斷。
3.3.3 隱私計算生態體系助力智慧醫療發展
通過利用隱私計算技術，可以從技術層面上解決數據不共享、信息跨級調用難等問題，在醫療健康數據不出本地的前提下，多個醫療機構可共同完成模型的建立，實現“數據可用不可見”的效果，有效發揮分布在不同醫療機構的數據價值。智慧醫療體系會涉及到醫院、系統開發商、衛健委等多個實體機構，筆者認為應該構建一個協作共贏的智慧醫療隱私計算生態體系(見圖4)，通過利用隱私計算技術，提高訓練樣本的數據量和質量，以此提升模型精度和訓練效果，從而幫助醫生更好地進行臨床診斷。在該生態體系中，隱私計算能力廠商將把隱私計算技術賦能于醫院業務系統(如臨床決策支持系統、醫學影像評估系統等)，業務系統開發廠商將在相應的系統上集成隱私計算能力模塊，各醫療機構將根據自己的實際情況決定是否參與到該生態體系之中，同時衛健委可以對整個過程進行監督與審計。該生態體系將會大大促進智慧醫療的進步，幫助患者得到更好的醫療服務，同時會對個人隱私信息、醫療健康數據信息進行有效的保護。
在隱私計算聯邦學習安全性方面，盡管參與的各方不存在明顯的競爭關系，但醫療業務復雜且繁忙，存在實際操作人員誤操作等人為不確定因素造成模型被污染的可能性。為了使得該生態體系更好、更安全地運行，隱私計算能力廠商應支持防投毒的聯邦學習算法，提高模型的安全水平。
圖4 智慧醫療隱私計算生態體系
3.4 隱私計算助力疫情防控
科學精準疫情防控需要大量的個人數據及隱私信息，涉及到的數據來源方包括運營商、互聯網、醫院等實體機構。在做好科學精準疫情防控的同時，數據安全也應得到重視。疫情防控辦由于防疫需求可能會收集政府相關數據(如健康寶信息)、運營商相關數據(如行動軌跡信息)、醫療相關數據(如個人醫療健康數據)和互聯網相關數據，由于數據的敏感性疫情防控辦應加強數據庫的安全管理，使用隱私計算可信執行環境技術便可以很好地滿足這方面的安全需求。
可信執行環境指在設備上一個獨立于不可信操作系統而存在的可信的、隔離的、獨立的執行環境, 為不可信環境中的隱私數據和敏感計算提供了一個安全而機密的空間, 其安全性通常通過硬件相關的機制來保障。疫情防控部門可以將數據存放在可信執行環境中，即使內部工作人員也無法直接看到或修改存放的數據信息。當數據需要計算時，可以在可信執行環境容器中進行機密計算，并輸出可信結果。
3.5 隱私計算助力醫療健康數據安全防護
對于醫院、衛健委來說，通常會收集到大量的醫療健康數據并需要長期的管理及維護，保證醫療健康數據安全往往是其頭等大事。近年來，國內外醫療健康數據泄露事件頻頻發生，醫療健康數據安全問題需要得到更多的重視。
早在2014年，國務院便提出要實行醫療、醫保、醫藥三聯動，強化公共衛生服務，切實滿足人民群眾的醫療衛生需求[15]。近年來，各地也都在積極推進醫療、醫保、醫藥“三醫”領域的改革，以海南和四川為例，在2021年取得了階段性的建設成果，但“三醫”聯動改革大大提高我國衛生健康行業水準的同時也加大了醫療健康數據安全防護的壓力。由于“三醫”聯動需要收集本地區醫療、醫保和醫藥三個領域的醫療健康數據，其數據庫安全防護水平需要得到額外的提高。
隱私計算可信執行環境憑借著其獨特的安全特性，可以保證在安全環境中收集到的所有數據都不被篡改及外泄，從而大大提高醫療機構或政府部門對醫療健康數據的安全防護能力。類似“三醫”聯動場景下量級龐大且重要的數據庫，在利用此數據做前沿性業務的同時，也應對此數據做好全方位的安全防護，既要能防止外部的惡意攻擊，也要能避免內部操作人員無意或惡意地窺竊、篡改或泄露數據。
4 結束語
我國衛生健康信息化市場規模正呈逐年遞增的趨勢，衛生健康行業逐漸進入信息化時代的同時，也帶來了許多新的數據安全問題。隱私計算作為實現數據可用不可見的“技術解”，近年來受到醫療領域的持續關注，根本原因是醫療健康數據已經進入了必須安全又必須共享的新時代。本文重點闡述了隱私計算在衛生健康行業的應用場景，并對多個應用場景下隱私計算模型安全提出了針對性的建議。隨著隱私計算模型安全的不斷增強、隱私計算在衛生健康行業不同場景下落地方案的不斷完善，未來隱私計算在衛生健康行業的重要性也會越來越高、實際應用也會變得更加普遍。
