健康医疗大数据时代的隐私保护探析

以基因数据为例,全面分析健康大数据隐私面临的挑战,从联盟数据分析、同态加密、硬件加密、差分隐私几方面探讨隐私数据保护策略,阐述有关数据安全和隐私保护法律建设,以期为相关研究提供参考。     

基因数据隐私问题及相关保护技术进展研究

分析基因组数据存在的隐私安全问题,详细阐述基因数据隐私保护相关技术、研究进展、技术不足之处等方面,为相关研究提供参考。     

“人工智能+医疗”环境下健康档案隐私安全研究

阐述“人工智能+医疗”发展必然性,分析“人工智能+医疗”健康档案数据在深度学习阶段数据利用、健康管理环节数据采集、诊断治疗环节数据分析等方面存在的安全隐患,提出相应隐私安全策略,包括加强顶层设计和数据保护、制定专项法律法规、强化技术保障及宣教等。     

疫情防控中的隐私困境及对策思考

人工智能技术和大数据技术在疫情防控中的广泛应用,已发挥了关键性作用,并将持续深化使用。同时个人信息的数据化,在客观上使得个人隐私边界扩大、隐私归属复杂、多种形式的价值与权益失衡等伦理问题日渐加剧。因此,结合疫情防控需求和伦理学原则,甄别、防范及解决这些隐私问题具有重要意义。从疫情防控中大数据技术的应用范围入手,阐述了疫情防控中隐私困境四个阶段的突出问题、三种典型利益冲突、分析了造成隐私问题的三种原因,明晰处理隐私问题的三条原则,进而综合思考并提出疫情防控中解决隐私伦理问题的对策,以期为缓解或解决疫情防控中的隐私问题提供参考。     

基于保护动机理论的医疗数据隐私关注研究

医疗数据治理与患者隐私保护已成为医疗信息化进程中的重要内容和热点话题,隐私关注研究逐渐成为研究重点。通过借鉴互联网用户的信息隐私关注量表和保护动机理论,构建医疗数据患者隐私关注的一般模型,以问卷调查的形式收集实证数据,采用因子分析与结构方程模型验证提出的假设。结果显示威胁严重性与威胁可能性显著正向影响隐私关注,自我效能负向影响隐私关注,隐私关注正向影响隐私保护行为意愿。基于此,相关组织机构要加强隐私数据管理,提高数据透明度并宣传数据利用价值,努力达成隐私保护与数据使用的平衡。     

医疗数据隐私保护技术应用研究

介绍国内外隐私保护现状,分析现阶段数据平台隐私保护问题,阐述基于肿瘤大数据平台的医疗数据隐私保护技术及其实践,包括管理架构、技术架构等各方面,为相关研究提供参考。     

区块链技术在电子健康档案中的应用与存在的问题

我国电子健康档案建设还处于初级阶段,数据的交互与利用和数据隐私安全问题之间的矛盾尚未能得到很好解决。区块链技术的出现,为数据共享与隐私之间的矛盾问题提供了新的解决方案。通过总结区块链技术在国内外电子健康档案中的应用及存在的问题,为区块链技术在电子健康档案建设中的发展提供借鉴。     

数据时代中医院图书馆联盟的构建

数据时代构建中医院图书馆联盟是提升中医药信息资源的利用价值,促进中医院图书馆生存和长远发展的必然趋势。通过简要介绍我国图书馆联盟的发展概况,阐述了构建中医院图书馆联盟的重要意义,从建立统一的管理机制;发挥联盟优势,合理资源配置;建设统一的技术平台,实现高效的资源整合和加强对联盟馆员的业务培训等4个方面对构建中医院图书馆联盟的策略进行了初步探讨研究。     

保障医疗大数据安全及其实践

基于目前医疗大数据平台中数据安全存在的问题,首先从安全形势入手分析我国医疗大数据安全保障的重难点和常见保护措施,结合西南医院医疗大数据平台实践,提出目前医疗大数据平台数据安全保障策略,包括管理安全、脱密安全、存储安全、网络安全等方面。     

隐私数据保护技术在医院信息管理领域应用探讨

医院信息系统正逐步实现与医疗影像（PACS）和临床信息（CLS）等不同医疗应用领域系统的互联、整合电子病历的应用、以及结合新系统架构（如SOA,基于服务的架构）以提供新的WEB服务。这些应用研究使患者所有医疗记录的在线查询、区域医疗信息共享与交换成为可能,同时也给医院信息系统隐私数据的保护带来新的思考与新技术支撑的需求。     

边缘计算环境下基于区块链和联邦学习的医疗健康数据共享模型

分析医疗健康数据应用情况,介绍区块链与联邦学习技术在医疗健康领域研究现状,提出基于区块链和联邦学习技术的健康医疗共享体系,阐述系统架构和应用流程,为实现医疗健康数据的安全可靠共享和智能处理提供新的解决方案。     

以咳嗽为第一主诉的儿童疾病医疗数据共享模型构建

分析以咳嗽为第一主诉的儿童疾病背景及其医疗数据应用情况和发展困境,结合联邦学习技术提出多中心横向联邦学习的数据安全共享框架,介绍3类联邦学习基础概念,从框架实施目的、系统架构组成、应用流程以及系统优点等方面详细阐述模型框架及构建路径。     

联邦学习在医疗信息化中的应用研究

介绍联邦学习技术分类和特点,阐述联邦学习技术在医疗信息化领域中的典型应用场景,包括心电异常检测、罕见病研究、老年人运动健康检测、医疗影像研究等方面,分析该领域面临的挑战和未来发展趋势。     

Federated learning improves site performance in multicenter deep learning without data sharing

ObjectiveTo demonstrate enabling multi-institutional training without centralizing or sharing the underlying physical data via federated learning (FL).Materials and MethodsDeep learning models were trained at each participating institution using local clinical data, and an additional model was trained using FL across all of the institutions.ResultsWe found that the FL model exhibited superior performance and generalizability to the models trained at single institutions, with an overall performance level that was significantly better than that of any of the institutional models alone when evaluated on held-out test sets from each institution and an outside challenge dataset.DiscussionThe power of FL was successfully demonstrated across 3 academic institutions while avoiding the privacy risk associated with the transfer and pooling of patient data.ConclusionFederated learning is an effective methodology that merits further study to enable accelerated development of models across institutions, enabling greater generalizability in clinical use.     

移动边缘计算环境下基于联邦机器学习的医联体慢病管理

介绍健康医疗数据应用发展情况及相关研究现状,提出采用联邦机器学习方式建立具有安全和隐私保护的慢病管理模型,从目的、系统架构、框架及功能、训练过程等方面阐述模型框架设计,指出其有助于大幅降低用户数据泄露风险。     

Federated Querying Architecture with Clinical &; Translational Health IT Application

We present a software architecture that federates data from multiple heterogeneous health informatics data sources owned by multiple organizations. The architecture builds upon state-of-the-art open-source Java and XML frameworks in innovative ways. It consists of (a) federated query engine, which manages federated queries and result set aggregation via a patient identification service; and (b) data source facades, which translate the physical data models into a common model on-the-fly and handle large result set streaming. System modules are connected via reusable Apache Camel integration routes and deployed to an OSGi enterprise service bus. We present an application of our architecture that allows users to construct queries via the i2b2 web front-end, and federates patient data from the University of Utah Enterprise Data Warehouse and the Utah Population database. Our system can be easily adopted, extended and integrated with existing SOA Healthcare and HL7 frameworks such as i2b2 and caGrid.     

基于区块链的智慧图书馆用户隐私保护

将区块链技术应用到智慧图书馆用户的隐私保护,借鉴时间戳、哈希函数、Merkle 可信树及共识机制等技术构建集智慧链的防篡改、隐私加密和安全存储机制于一体的用户隐私保护架构模型,并分别从数据层、网络层、共识层、激励层、合约层和应用层阐述了隐私保护机制,提出了解决智慧图书馆用户隐私保护问题的途径。     

The Biomedical Research Hub: a federated platform for patient research data

ObjectiveThe objective was to develop and operate a cloud-based federated system for managing, analyzing, and sharing patient data for research purposes, while allowing each resource sharing patient data to operate their component based upon their own governance rules. The federated system is called the Biomedical Research Hub (BRH).Materials and MethodsThe BRH is a cloud-based federated system built over a core set of software services called framework services. BRH framework services include authentication and authorization, services for generating and assessing findable, accessible, interoperable, and reusable (FAIR) data, and services for importing and exporting bulk clinical data. The BRH includes data resources providing data operated by different entities and workspaces that can access and analyze data from one or more of the data resources in the BRH.ResultsThe BRH contains multiple data commons that in aggregate provide access to over 6 PB of research data from over 400 000 research participants.Discussion and conclusionWith the growing acceptance of using public cloud computing platforms for biomedical research, and the growing use of opaque persistent digital identifiers for datasets, data objects, and other entities, there is now a foundation for systems that federate data from multiple independently operated data resources that expose FAIR application programming interfaces, each using a separate data model. Applications can be built that access data from one or more of the data resources.     

医疗领域中区块链的应用与数据安全问题研究

介绍当前医疗信息化面临的挑战及区块链技术特点,分析区块链技术在医疗领域的应用前景,探讨在医疗领域中应用区块链技术存在的安全问题和解决思路,以构建病患健康档案为例,阐述基于区块链技术的医疗信息系统构建过程。