必須解決這些數(shù)據(jù)管理、分析和算法 IP 問題，才能實(shí)現(xiàn)改善健康結(jié)果、改善患者體驗(yàn)和降低成本的三重目標(biāo)。 機(jī)密計(jì)算可能是解決方案。
患者數(shù)據(jù)隱私問題
確保患者數(shù)據(jù)隱私的問題在于，我們要分析的數(shù)據(jù)通常位于跨越地理邊界并且對(duì)保護(hù)個(gè)人健康信息具有不同監(jiān)管要求的眾多組織中。 將這些數(shù)據(jù)移動(dòng)到一個(gè)中心位置進(jìn)行分析會(huì)帶來一系列額外的挑戰(zhàn)，例如數(shù)據(jù)復(fù)制、去標(biāo)識(shí)化、同步和 IP 保護(hù)，這些都會(huì)增加成本和復(fù)雜性，從而阻礙了許多此類項(xiàng)目的啟動(dòng)。
理想情況下，有一種方法可以分析數(shù)據(jù)所在的位置，保護(hù)數(shù)據(jù)的隱私和 IP 的安全性，同時(shí)消除在中心位置復(fù)制源數(shù)據(jù)的成本和復(fù)雜性。 進(jìn)入由機(jī)密計(jì)算支持的多方分析。
機(jī)密計(jì)算：
雖然業(yè)界擁有一套強(qiáng)大的安全控制來保護(hù)靜態(tài)數(shù)據(jù)（例如加密）和傳輸中的數(shù)據(jù)（例如 TLS/傳輸層安全），但保護(hù)使用中的數(shù)據(jù)（即，當(dāng)它在內(nèi)存中運(yùn)行時(shí)） ) 一直存在差距。 根據(jù) 機(jī)密計(jì)算聯(lián)盟 ，機(jī)密計(jì)算 “……通過在基于硬件的可信執(zhí)行環(huán)境中執(zhí)行計(jì)算來保護(hù)正在使用的數(shù)據(jù)。 這些安全且隔離的環(huán)境可防止在使用時(shí)未經(jīng)授權(quán)訪問或修改應(yīng)用程序和數(shù)據(jù)，從而為管理敏感和受監(jiān)管數(shù)據(jù)的組織增加安全保障。”
業(yè)界開始出現(xiàn)的一種模式是可信執(zhí)行環(huán)境 (TEE) 是在由數(shù)據(jù)集所有者控制/維護(hù)的環(huán)境中創(chuàng)建的。 解決方案提供商創(chuàng)建的應(yīng)用程序或算法被加密（在容器或虛擬機(jī)中），然后通過加密通道發(fā)送到 TEE 以安全執(zhí)行。 這樣，數(shù)據(jù)管家看不到算法，算法開發(fā)者看不到數(shù)據(jù)，只有派生出來的結(jié)果返回給數(shù)據(jù)集的所有者。
作為 機(jī)密計(jì)算聯(lián)盟 ，英特爾認(rèn)識(shí)到處理敏感和受監(jiān)管數(shù)據(jù)的挑戰(zhàn)。
醫(yī)療保健轉(zhuǎn)型：
我想簡要描述一下機(jī)密計(jì)算如何應(yīng)用于當(dāng)今醫(yī)療保健的三個(gè)示例，特別關(guān)注支持多方分析的示例：
示例 #1： 使用 BeeKeeper AI 加速醫(yī)療保健通用 AI 的開發(fā)
醫(yī)療保健 AI 市場(chǎng)受到 FDA 批準(zhǔn)的可推廣算法數(shù)量有限的阻礙。 可推廣的 AI 算法需要訪問原始數(shù)據(jù)會(huì)引發(fā)隱私問題，因此僅驗(yàn)證一個(gè)模型可能需要 36 個(gè)月到 5 年，成本高達(dá) 500 萬美元。 [SK1]
為了縮短周期并確保算法安全， BeeKeeperAI, Inc. 開發(fā)了一個(gè)基于英特爾® 技術(shù)的機(jī)密計(jì)算平臺(tái)，允許開發(fā)人員提交他們的算法。 然后將其容器化并帶到數(shù)據(jù)所有者的環(huán)境中。 一旦到達(dá)那里，它就會(huì)在安全的加密環(huán)境中運(yùn)行數(shù)據(jù)，并生成一份機(jī)密報(bào)告，重要的是，數(shù)據(jù)和算法會(huì)被破壞。
BeeKeeperAI 已經(jīng)使用該系統(tǒng)驗(yàn)證了三種不同的臨床模型：血流動(dòng)力學(xué)穩(wěn)定性指數(shù)、COVID-19 檢測(cè)工具和糖尿病視網(wǎng)膜病變的治療分層工具。
Example #2 使用 Leidos 進(jìn)行安全接觸者追蹤
Covid-19 強(qiáng)調(diào)需要一種更有效的方式來收集和傳輸公共衛(wèi)生員工收集的接觸者追蹤數(shù)據(jù)。 使用區(qū)塊鏈技術(shù)安全地執(zhí)行此操作是 MicrobeTrace Next 。
的合作成果 Leidos ，是一個(gè)數(shù)字公共衛(wèi)生系統(tǒng)，通過自助服務(wù)儀表板將移動(dòng)數(shù)據(jù)輸入與增強(qiáng)的數(shù)據(jù)可視化相結(jié)合。
為確保不共享個(gè)人身份信息 (PII)，所有 PII 均使用兩個(gè)區(qū)塊鏈密鑰進(jìn)行保護(hù)。 使用這種基于賬本的加密方案，所有數(shù)據(jù)訪問和數(shù)據(jù)移動(dòng)都是完全可審計(jì)和可追溯的，并且所有交易都是不可變的。 此外，使用基于角色的安全控制，與非司法管轄區(qū)用戶綁定的帳戶將無法選擇訪問 PII。
該系統(tǒng)可作為服務(wù)部署在區(qū)域或州級(jí)，使用現(xiàn)有端點(diǎn)，或與現(xiàn)場(chǎng)和遠(yuǎn)程呼叫中心的硬件捆綁包一起部署。 它還具有網(wǎng)絡(luò)彈性，因?yàn)樗梢蕴幚聿环�(wěn)定的連接，或存儲(chǔ)數(shù)據(jù)，直到恢復(fù)斷開的連接。
該區(qū)塊鏈平臺(tái)依賴于英特爾至強(qiáng)可擴(kuò)展處理器平臺(tái)核心的安全計(jì)算技術(shù)。
示例#3：提高西班牙醫(yī)院醫(yī)學(xué)成像 AI 模型的準(zhǔn)確性
另一個(gè)與 COVID-19 相關(guān)的關(guān)于實(shí)現(xiàn)安全協(xié)作的重要性的示例以聯(lián)邦學(xué)習(xí)為中心，這是一種隱私保護(hù)技術(shù)，允許協(xié)作實(shí)體在不共享 PII 的情況下共享用于醫(yī)學(xué)圖像診斷的通用 AI 模型。 然而，這樣的算法僅與運(yùn)行它的網(wǎng)絡(luò)和硬件的安全性、可靠性和性能一樣好。
去年，英特爾和思科與 Capgemini Engineering、Vodaphone Spain 和 Gilead 合作，以確保可靠和安全的計(jì)算和網(wǎng)絡(luò)，以允許三家西班牙醫(yī)院——Ramón y Cajal、12 de Octubre 和 Sant Pau——交流專家知識(shí)以增強(qiáng) COVID- 19 診斷 。
Capgemini Engineering 致力于 AI 算法，Gilead 支持該項(xiàng)目以開發(fā)更好的預(yù)防和治療，Vodaphone Spain 提供連接，Cisco 為每家醫(yī)院提供服務(wù)器計(jì)算節(jié)點(diǎn)。 每個(gè)節(jié)點(diǎn)均由具有內(nèi)置 AI 加速和安全功能的英特爾至強(qiáng)可擴(kuò)展處理器提供支持。
每家醫(yī)院都在本地訓(xùn)練其模型并將其發(fā)送到云端，中央服務(wù)器在云端聚合數(shù)據(jù)以不斷改進(jìn)模型。 敏感的基礎(chǔ)數(shù)據(jù)或患者信息仍然無法被所有各方訪問，并且模型 IP 受到保護(hù)，再次使用英特爾安全技術(shù)。
概括：
機(jī)密計(jì)算支持隱私保護(hù)分布式計(jì)算，保護(hù) AI 算法開發(fā)人員的 IP，無需昂貴且復(fù)雜的集中式方法，這些方法需要復(fù)制、同步、去識(shí)別、移動(dòng)和存儲(chǔ)大型數(shù)據(jù)集。 我很高興看到這些功能將解鎖醫(yī)療保健、生命科學(xué)等領(lǐng)域的未來用例。
