機密計算將通過三種方式改變醫(yī)療保健行業(yè)（醫(yī)療保健行業(yè)也需要革新）

發(fā)布日期：2022-06-13 瀏覽次數(shù)：104

全球護理人員短缺這一眾所周知的問題已經(jīng)影響到醫(yī)療保健行業(yè)，但還有另外兩個問題迫在眉睫。首先是確保跨多個站點和地理位置收集、存儲、共享和分析的數(shù)據(jù)的隱私。第二個是保護算法所有者的知識產(chǎn)權(quán)（IP），因為這些算法經(jīng)常托管在第三方服務(wù)器上。趨勢加劇了這些問題：世界上大約 30% 的數(shù)字?jǐn)?shù)據(jù)是由醫(yī)療保健行業(yè)生成的，數(shù)據(jù)分析能力正在以驚人的速度發(fā)展。

必須解決這些數(shù)據(jù)管理、分析和算法 IP 問題，才能實現(xiàn)改善健康結(jié)果、改善患者體驗和降低成本的三重目標(biāo)。機密計算可能是解決方案。

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保護個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)移動到一個中心位置進行分析會帶來一系列額外的挑戰(zhàn)，例如數(shù)據(jù)復(fù)制、去標(biāo)識化、同步和 IP 保護，這些都會增加成本和復(fù)雜性，從而阻礙了許多此類項目的啟動。

理想情況下，有一種方法可以分析數(shù)據(jù)所在的位置，保護數(shù)據(jù)的隱私和 IP 的安全性，同時消除在中心位置復(fù)制源數(shù)據(jù)的成本和復(fù)雜性。進入由機密計算支持的多方分析。

機密計算：

雖然業(yè)界擁有一套強大的安全控制來保護靜態(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），但保護使用中的數(shù)據(jù)（即，當(dāng)它在內(nèi)存中運行時） ) 一直存在差距。根據(jù) 機密計算聯(lián)盟，機密計算 “……通過在基于硬件的可信執(zhí)行環(huán)境中執(zhí)行計算來保護正在使用的數(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。

作為機密計算聯(lián)盟，英特爾認識到處理敏感和受監(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密計算如何應(yīng)用于當(dāng)今醫(yī)療保健的三個示例，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)會引發(fā)隱私問題，因此僅驗證一個模型可能需要 36 個月到 5 年，成本高達 500 萬美元。 [SK1]

為了縮短周期并確保算法安全， BeeKeeperAI, Inc. 開發(fā)了一個基于英特爾® 技術(shù)的機密計算平臺，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。一旦到達那里，它就會在安全的加密環(huán)境中運行數(shù)據(jù)，并生成一份機密報告，重要的是，數(shù)據(jù)和算法會被破壞。

BeeKeeperAI 已經(jīng)使用該系統(tǒng)驗證了三種不同的臨床模型：血流動力學(xué)穩(wěn)定性指數(shù)、COVID-19 檢測工具和糖尿病視網(wǎng)膜病變的治療分層工具。

Example #2 使用 Leidos 進行安全接觸者追蹤

Covid-19 強調(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 ，是一個數(shù)字公共衛(wèi)生系統(tǒng)，通過自助服務(wù)儀表板將移動數(shù)據(jù)輸入與增強的數(shù)據(jù)可視化相結(jié)合。

為確保不共享個人身份信息 (PII)，所有 PII 均使用兩個區(qū)塊鏈密鑰進行保護。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)移動都是完全可審計和可追溯的，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，使用現(xiàn)有端點，或與現(xiàn)場和遠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，因為它可以處理不穩(wěn)定的連接，或存儲數(shù)據(jù)，直到恢復(fù)斷開的連接。

該區(qū)塊鏈平臺依賴于英特爾至強可擴展處理器平臺核心的安全計算技術(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

另一個與 COVID-19 相關(guān)的關(guān)于實現(xiàn)安全協(xié)作的重要性的示例以聯(lián)邦學(xué)習(xí)為中心，這是一種隱私保護技術(shù)，允許協(xié)作實體在不共享 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——交流專家知識以增強 COVID- 19 診斷。

Capgemini Engineering 致力于 AI 算法，Gilead 支持該項目以開發(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)器計算節(jié)點。每個節(jié)點均由具有內(nèi)置 AI 加速和安全功能的英特爾至強可擴展處理器提供支持。

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，再次使用英特爾安全技術(shù)。

概括：

機密計算支持隱私保護分布式計算，保護 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、去識別、移動和存儲大型數(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。