伴随医疗数字化转型进程的加速，数据安全流通共享成为医疗领域发展刚需。近几年来，我国对隐私保护相关法律的逐步完善，隐私计算支撑的医疗应用成为来自监管方、应用方和服务方关注重点。在上个月举办的“首届医疗隐私计算大会暨第二届DataX大会”上，中国信息通信研究院发布了由互联网医疗健康产业联盟、隐私计算联盟、翼健（上海）信息科技有限公司主导，医疗机构、技术服务企业等相关单位共同参与编写的《隐私计算医疗应用白皮书（2022）》（以下简称白皮书）。白皮书梳理了隐私计算技术的总体发展情况，汇总了国内该技术在医疗健康领域的应用发展现状，结合医疗、医药、医保领域的多个关键场景，详细阐述了隐私计算技术方案的落地实践案例。翼方健数在医疗隐私计算领域有着丰富的成功经验，为白皮书提供了在医院信息化平台、公共卫生预警系统、新药研发、医保业务系统等多场景的应用案例。从产业来看，在数据量庞大并对数据使用监管要求极高的医疗行业，健康医疗数据共享与其安全隐私是一对难解的矛盾，其发展在相当程度上受困于数据质量和安全流通。隐私计算、人工智能等新型技术手段的发展，有望在保护医疗原始数据安全的前提下实现其价值的合规流通和共享，目前已在医疗、医保、医药、器械等领域开展了多方面探索。医院作为医疗场景的最前线，也是数据诞生、数据使用以及数据授权分享的场地，高价值的医疗数据应该在医院率先发挥价值，造福民生。上海交通大学医学院附属瑞金医院副院长胡伟国在首届医疗隐私计算大会上进行专题分享，他谈到，未来医院的建设背景是依赖于信息化建设，需要智慧医疗、智慧服务和智慧的管理。未来医院建设当中，数字安全与隐私技术是很重要，所有未来医院的数字化建设都离不开数据，因为智慧医疗、智慧科教、智慧管理以及智慧服务的基石就是数据。隐私计算技术可以保障更多的服务方参与加快建设推进的步伐；推进医院和医院之间的协作，加速医联体和医共体发展；深入探索外部的需求，深度发掘数据要素的价值。医院数据资产管理：为业务场景的“数智超能力”打下基础基于隐私安全计算技术，为医疗机构建设数据资产管理平台，能够帮助其医疗数据发挥临床价值、科研价值、运营价值和社会价值。医疗数据不仅可以在医院内高效协作、充分共享，也可以在院外安全、受控使用，从而达到实现医疗数据资产化的目的。江苏省人民医院通过构建院内隐私计算平台，将治理后的院内数据形成标准化数据资产，以数据资源目录的形式向院内职工提供数据服务。江苏省人民医院数据资产管理平台关键步骤包括：一是院内数据申请与授权。院内医师获取的外部数据，如实验室数据、测序数据等，通过数据所有方上传至平台，并设置数据访问权限，实现外部数据内部化，支持平台用户进行数据分析作业。二是敏感数据可用不可见。药品使用信息、患者个人隐私信息等关键信息，可以在不可见前提下进行模型训练，开展某种药品在特定疾病下使用的频率等统计学方面的研究，但不涉及直接统计某个药品的使用量。三是集成计算与存储能力。隐私计算平台提供的第三方应用以及自己的应用可以让用户在平台上进行全部的数据相关作业，结果可在平台上进行验证或应用。对于一个完整的数据资产管理流程来说，隐私计算是其中的一个核心技术，但平台是一整个系统工程。在这个系统工程中，首先要保证的是全流程的通畅。从数据的汇集到数据的治理，以及归一、结构化、标准化等，围绕能够实现数据全流程管理的平台，才能够帮助医院衍生出在科研、传染病监察哨点、智能分级诊疗、医院运营等场景下的智能应用。科研：实现安全、高效、可信的科研数据服务隐私计算的医疗应用实践主要依托于联邦学习、多方安全计算和可信执行环境等技术，同时根据不同实践场景融合其他信息技术，实现更高级别的应用效能。以医院科研平台为例，临床科研是以患者为主要研究对象，主要的痛点包括：维护患者信息安全、协同多方数据标准、确保授权使用范围。翼方健数提供隐私安全计算全栈技术，结合单中心及多中心场景具体需要，选择最为适合的隐私安全计算方式，能够保障数据不出域，数据可用不可见。单中心临床科研——中山肿瘤肝细胞癌症科研课题患者就诊记录信息，包括医疗服务、检验检查、药物处方、入院记录、医嘱等相关信息需要医疗机构信息管理部门在患者临床数据管理方面加强安全与隐私保护能力。如单中心临床科研方面，中山大学肿瘤防治中心以现有的肠癌及肝转移肠癌患者诊疗及测序数据为基础，依托翼方健数提供的隐私安全计算全栈技术，构建围绕安全沙箱技术的临床科研平台。平台实现患者临床诊疗信息与肠癌生物信息融合，形成高质量的临床及组学数据集，结合翼方健数提供的科研应用、数据治理及分析能力，支持临床及生物信息相关研究。中山大学肿瘤防治中心基于隐私计算建立的多模态全息数据平台同时，在保障院内临床资料安全及个人隐私的前提下，平台支持第三方服务公司加入，共同开展科研。目前，中山大学肿瘤防治中心及其合作方关于甲胎蛋白及脱-γ-羧基凝血酶原在肝癌预后作用的研究成果已在《Journal

4月26日，科技创新2030——“新一代人工智能”重大项目“数据安全与隐私保护下的机器学习技术”项目启动暨实施方案论证会在线上召开。该项目是复旦大学牵头承担的首个国家科技创新2030—“新一代人工智能”重大项目，翼方健数与上海交通大学、南京大学、浙江大学、华为技术有限公司、暨南大学、北京百度网讯科技有限公司、中国工商银行股份有限公司、华为云计算技术有限公司作为项目参与单位。首席科学家张霖涛博士出席项目启动暨实施方案论证会。在数字经济和人工智能时代，数据要素的作用及其重要性愈发凸显。伴随而来的用户数据信息泄露事件多发。如何做到既保护数据安全,又充分发挥数据资产价值、高效连接多方数据,成为人工智能时代的热点研究问题。为推动相关方向研究，2021年，复旦大学成立校级“复旦大学以人为本人工智能研究中心”，由计算机科学技术学院牵头建设，数学科学学院、哲学学院、法学院、社会发展与公共政策学院参与。此次启动的“数据安全与隐私保护下的机器学习技术”项目针对人工智能应用中潜在的安全攻击和隐私侵犯等问题，围绕隐私保护联合建模、安全攻击检测防御和超大规模计算通信三个关键问题开展基础理论和关键技术研究。项目旨在提出机器学习与隐私保护全方位、多阶段结合的建模理论、方法与技术，建立数据、模型、系统多维度的安全攻击检测与防御体系，构建全系统多层联动的安全学习算法计算与通信优化框架，发展系列数据安全与隐私保护下的机器学习创新理论方法与技术系统，形成国际学术影响力，同时在若干关键领域开展成果应用示范，形成良好经济和社会效益。翼方健数作为一家专注于用技术解锁数据价值的企业，将在隐私安全计算和联邦学习等方面与参与本项目的高校及企业形成紧密合作，推动数据安全与隐私保护下的机器学习技术落地应用。联邦学习作为隐私计算技术的三大主流版块之一，是能够支持大规模分散数据集进行模型训练的分布式机器学习方法，避免在机器学习过程中迁移数据集，实现了“数据不动模型动”。面对法律法规以及政府监管，针对数据协作中数据所有方、使用方和服务方的要求日趋严格，联邦学习能够有效解决数据隐私安全与共享协作的矛盾问题。在翼方健数自主研发了隐私计算框架（XDP

翼方健数宣布完成B+轮融资，融资规模超过3亿元。暂不披露投资方团队及估值，本次融资由行云资本担任独家财务顾问。翼方健数成立于2016年，以隐私计算为根，为医疗、医药、政务、金融、保险、营销等行业赋能，是“数据和计算互联网（IoDC，Internet