大數據醫療時代的人工智能與隱私保護

張雷

摘要：在醫療行業中，醫院信息系統基本完成了醫院內部的流程管理、數據積累等工作，現在正面臨著海量數據的挑戰，進入了大數據時代。近年來，隨著機器學習技術和人工智能的發展，大數據和醫療的結合更是被推向縱深。從圖像識別、圖像檢索到復雜疾病的診斷，人工智能無一不正發揮著重要作用。隨著技術領域的快速進步，挑戰也隨之而來，其中最大的一個挑戰就是隱私保護的問題。基于此，本文就對大數據醫療時代的人工智能與隱私保護進行了簡單的探討，以供相關人員參考。

關鍵詞：醫療大數據;人工智能;隱私保護

1、目前我國的大數據醫療發展現狀

“十二五”期間，我國初步建立了覆蓋13.7億人口信息的電子健康檔案，基本實現了對常住人口和流動人口的服務、監測、管理，以及基層醫療衛生機構信息化，完善了包含醫療機構、醫生、護士在內的人員機構信息數據庫，同時也逐步建立傳染病疫情網絡直報系統;建立覆蓋多達27個省市的全民健康信息平臺，并且初步實現了與國家平臺的連通;基本建立了中醫藥服務新農合跨省結算、實驗性疾病的監測系統、國家藥品供應保證綜合管理系統等，同時建立了電子健康檔案、電子病歷和全員人口個案數據庫。

大數據在醫療方面的作用初見成效，但目前核心問題主要是“數據孤島”，無法做到資源的充分統籌和整合利用，業務協同能力和數據共享能力亟待提高，相關政策法規和標準滯后于快速發展的業務，專業機構不健全，人才總量不足，尤其是高端人才、復合型人才尤為稀缺。目前行業現狀是醫療大數據普遍觀望多，動手少，雷聲大，雨點小，大部分醫院建設重點主要是HIS、LIS、PACS、RIS、EMR等醫療信息系統，不會將重點遷移到大數據應用分析上，短時間內也不會尋求和相關公司的合作。

2、大數據醫療時代的人工智能概況

目前國內診斷病人CT圖像還普遍采用兩個醫生同時查看的形式，當兩個醫生對該圖像得出相同的判斷時容易認定，但當兩個醫生得到的結論不同時則需要討論。這種方法是為了提高診斷的準確率，但是耗費人力。卷積神經網絡（Convolutional?neural?networks，CNN）是一種典型的深度學習算法，已經在醫學圖像領域擁有廣泛的應用。CNN可以接受各種醫學圖像的訓練，包括放射科、病理科、皮膚科和眼科等。CNN獲取輸入圖像，并使用簡單的操作（如卷積、匯集和完全的連接層）將其順序轉換為扁平向量，輸出向量的元素表示疾病存在的概率，因此可以輔助醫生進行診斷，在很大程度上緩解醫生的工作量。

在真實的應用場景中，人工智能輔助醫療要通過大量的數據積累，包括疾病診斷記錄、病人用藥效果、基因數據、家庭病史等。在國內，要實現上述數據積累，最重要的壁壘是打通各個醫院和社區間的數據交換共享渠道。美國基于此考慮建設了一個電子健康記錄系統，十年內積累了1000萬名病人的記錄。EHR的潛在應用價值是巨大的，如果好好加以利用，這相當于積累了20萬年醫生的智慧和1億年的疾病情況。

3、醫療數據隱私面臨的安全性問題

3.1數據泄露

信息技術的快速發展給人們的生活帶來了質的飛躍。醫療信息的存儲從紙質病歷過渡到了電子病歷到使用完整的醫療信息系統（HIS），醫院逐漸使用電子病歷系統進行病歷的統計，將復雜多樣的數據存儲在數據庫中。電子病歷的泄露方式主要有兩種，一種是非交互式泄露，主要是醫院信息系統內部的泄露，或者內部人員的泄露，比如數據庫操作者被盈利機構高價購買數據，另一種是交互式泄露，也就是醫療數據發布以及在不同機構之間共享時造成的信息泄露，特別是大數據時代數據共享變得普及，交互式泄露問題更加嚴重。

3.2數據挖掘的挑戰

大數據時代提高了醫療數據的透明度，醫療行業對電子健康記錄、臨床數據大規模的應用以及醫療數據的外包都會造成醫療隱私泄露的風險。首先，數據的監測，使得隱私無處躲藏。通信技術的定位和監測使得每個人變得透明，何時何地都有可能正在受到他人的監視，個人隱私急需得到保護。其次，數據共享使得隱私被濫用。大數據時代電子病歷系統數據的共享可以有效促進醫學的研究和發展，但同時人們的醫療信息也可能成為商品被出售。聯網營銷人員根據患者信息可以為個人量身定制醫療廣告;醫療保險推銷人員可能查到病人的病歷資料和電話號碼，從而推銷某種疾病保險。

3.3數據存儲的挑戰

隨著云計算技術的廣泛應用，大量數據不再全部放在本地數據庫中，而是放在云平臺中存儲。云的存儲與計算大大提高了處理數據的速度，但云平臺虛擬化的服務模式也隨之帶來了一系列的安全問題。首先，數據和應用會分布到多個數據中心，增加了隱私保護的復雜度。其次，數據存儲機構不同于傳統方式。數據是以碎片化的模式存儲在云環境下，而且是多租戶共享資源，很難準確知道敏感數據存儲的物理位置，一些基于物理機的數據保護機制與手段都不再起作用了，而且用戶在使用虛擬資源時多個用戶可能指向的是同一個物理資源，如果虛擬軟件在云平臺上存在安全漏洞，則用戶的數據安全會受到威脅，同時直接造成數據的操作權限混亂問題。

4、隱私保護的技術措施和應用實施

4.1數據生成階段

醫療信息采集時可對數據進行一定的脫敏處理。比如針對醫護人員在診療過程中不可避免地接觸到的敏感信息，按照《個人隱私數據使用規則》對患者的隱私信息進行脫敏處理，患者姓名、出生日期、電話號碼、單位、地址、身份證號碼、生物特征等敏感信息被匿名保護，同時，通過數據使用協議約定醫療信息使用目的、期限和范圍等。

4.2數據存儲階段

醫療大數據平臺中個人醫療健康數據的采集渠道不斷增多，建立數據隱私處理程序，分辨隱私數據和可共享利用的數據，在不影響信息準確性的前提下，運用數據脫敏、去標簽化等手段對數據進行處理，盡可能保護數據隱私。

4.3數據處理和分析階段

建立政府監管、社會多方主體參與的管理機制，重點解決數據標準不統一的問題。例如正在細化的山東省智慧醫院評估方法中，采用定量評分、整體分級，綜合評估醫院智慧服務系統具備的功能、應用范圍、技術環境等，并具體分局部評估和整體評估，更全面的統一數據標準。

4.4數據應用階段

在重點考慮數據集相互關聯的情況下，最大化被匿名處理之后的數據效用，實現數據跨系統的共享與利用。同時，醫療應用系統應具備完整的用戶授權功能，在提供訪問或共享患者醫療數據前，明確是否允許或限制這些醫療數據的公開;及時開發有效避免越權的措施，配合授權審批管理流程，實現操作過程可追溯。

參考文獻：

[1]李杰.大數據時代醫療信息化趨勢探討[J].信息與電腦（理論版），2019（12）：147-148+151.

[2]唐岫.大數據時代成都智慧養老醫療保障機制研究[J].智庫時代，2018（38）：7-8+12.

（作者單位：日照心臟病醫院）