多份相关文件反复强调医疗大数据的重要性和使用价值，可见我国对于医疗领域数据应用的需求已经迫在眉睫。医疗大数据具有特殊的价值和意义，不仅因为医疗大数据具有更加严格的隐私保护性要求，更因为其具有更高的生命价值影响力。在数据要素流通的大背景下，如何兼顾医疗数据隐私保护和数据价值挖掘就成了重要突破口。隐私计算的出现，恰好在技术上为医疗数据隐私保护和数据价值流通提供了一条可靠、有效的可实施路径。

近日，德勤发布的《未来医院报告》指出：未来的医疗机构长期发展需要建立数字化转型的文化内核；具备信息分享及便捷沟通的科技技术；注重医疗数据收集及分析；引入更适应医疗数字化的人才及更重视信息安全等。数据、安全、科技都是报告中反复提及的关键词。

锘崴科技医疗应用场景

在临床前，隐私计算技术可以对药物的化合物、蛋白质、序列等做跨药厂、跨工艺之间的数据共享和分析；在临床中，从数据收集、数据分析到数据应用等各个环节都需要应用隐私计算来对数据进行安全保护、防篡改、跨域数据的研究。在药品上市之后，还需要以大量的医院真实数据为基础，应用隐私计算对真实世界的证据进行研究，包括药物的副作用研究、药物适应症的扩展研究等等。

另外，锘崴科技还为用户提供了一套模型层面的编译器，通过选配的方式最大限度地降低使用联邦学习的门槛，大大提升了用户使用频率，并有效降低使用投入。在不断探索效能与安全的平衡点的过程中，锘崴科技正在逐步让隐私计算更高效、更安全、更易操作。

首先，在训练过程中通过大量的训练和测试样本，反复验证不同指标以及不同测试集下联邦学习的性能，从而保证模型的泛化性。其次，根据通过对抗样本进行反复验证以防止数据被投毒。第三，在数据源布置可信执行环境的节点，实现远程的程序和数据验证。最后，平台可结合区块链技术，对所有计算过程及数据的哈希信息进行存证，一旦发现计算结果有异议，可以通过区块链进行溯源，重现计算，从而实现结果防御，增加造假成本。有了全流程的安全策略做保障，再加上区块链技术保驾护航，锘崴科技隐私计算平台筑牢了安全护城河。目前这些方法已经充分应用到医疗领域的落地实践中，并取得了现实意义。

然而，有别于金融等领域的隐私计算应用，隐私计算在医疗行业的应用要求则更高。王爽分享道：“在医疗场景下，我们所提供的联邦学习解决方案既要满足精度上的要求，又要满足数据结构化的要求。首先，从模型层面来讲，我们设计的联邦学习解决方案的隐私计算模型，要充分保证数值精度上的一致性，使其在发生医疗纠纷时，能够清晰划分责任边界。其次，整个医疗行业的数据类型相比其他行业更加丰富，它包括但不限于结构化的临床数据、非结构化的临床医嘱数据、基因检测信息数据、医学影像数据等等。基于不同的数据源，需要使用不同的分析方法。因此在医疗场景下，对于隐私计算的要求和挑战更大，但同时隐私计算也具有更高的价值和更大的意义。”

2021年7月1日，我国正式实施《信息安全技术健康医疗数据安全指南》，详细规定了医疗数据分类、使用披露原则、安全措施、安全管理指南、安全技术指南等，并对八个代表性医疗数据应用场景的数据安全进行了分析，罗列了数据应用中最常出现问题的临床研究数据、健康数据、移动应用数据及医疗器械数据等，解决了健康医疗数据的融合共享和开放应用，让数据在为个人及国家利益服务的同时，也保证了个人信息的安全和国家公共利益的需要。

另外，隐私计算在医疗行业的落地应用具有双重壁垒，无形中也更加突出锘崴科技在隐私计算行业内的竞争力。目前，锘崴科技通过技术的优化迭代，打造核心技术壁垒，创造先发优势，并且正在更快速的布局、适配更多不同的行业领域。

对于隐私计算厂商来说，金融和医疗两个领域是两块大蛋糕。而锘崴科技更专注于医疗领域的深耕，除了锘崴科技的创始团队跟医疗有着不解之缘以外，还源于锘崴科技对于医疗行业的热忱与对行业未来发展的信心。

深耕医疗行业，让隐私计算发挥更大的生命价值

隐私+计算，是数据密态时代的两个重要命题

2016年6月，国务院办公厅发布的《关于促进和规范健康医疗大数据应用发展的指导意见》明确指出：“到2020年，健康医疗大数据相关政策法规、安全防护、应用标准体系不断完善，适应国情的健康医疗大数据应用发展模式基本建立。”而后，我国又陆续出台了《数据安全法》、《个人信息保护法》等数据保护相关法律法规。

文章来源：《大科技》 网址: http://www.dkjzzs.cn/zonghexinwen/2022/0630/770.html