医学AI与个人组学数据安全

来源：市场资讯

（来源：小张聊科研）

AI与数据

AI的能力提升基于一个简单的逻辑：数据集越大、越多样，模型就越准，盲点就越少。算力和算法固然重要，但最终决定AI水平的，还是训练数据的质量。

近些年，全球范围内对高质量健康数据和基因组数据的争夺越来越激烈。这种趋势带来几个现实问题：数据归属问题？贡献数据的病人和志愿者，他们的利益怎么保障？当个人健康数据被拿去做AI开发，医学本身又会变成什么样呢？

从开放科学到数据保护

过去几十年，科学界普遍提倡“开放科学”，鼓励跨国、跨机构的数据共享。但这个理念最近慢慢被“数据主权”所取代，即敏感数据集应保持在本地或国家控制之下，外部访问需要满足严格的条件。不少国家和地区开始给本国健康数据使用加以限制，担心这些数据被无序利用。

当然，这对医学AI的发展并不是很友好，数据不能从多方面进行验证，则做出来的模型就容易带偏见。并且缺少独立验证的AI工具，用到临床上可能会出现问题。对于许多生物医学科学家来说，医学AI可能成为在有限的数据隔离环境下训练出来的产品：强大但脆弱，缺乏外部验证，并带有隐藏的偏见。

关于数据保护，欧洲的做法是推出“RAISE”计划，以协调各成员国的AI数据。同时也收紧外部访问，数据的使用需走受控流程。有些项目甚至要求合作方符合特定的安全条件。美国则启动了国家AI行动计划，为了保护个人健康信息，收紧了对基因组数据库的管理。这些动作说明，国外大环境也都在强调数据本地控制。

在我国，研究人员正在积极推动“人工智能+医疗卫生”的应用。国家队列和注册中心（如国家癌症中心）被视为重要的临床基础设施，影响着AI工具的开发、验证和转化。但与此同时，我国的许多健康数据对外部人员仍然难以访问，部分数据对本国研究人员也存在一定的管理限制。一些学者表达了参与国际合作的愿望，这也需要遵守国内的数据管理规定。

技术出路

在“数据主权”的情况下，一种可行的研究方法是“将计算移动到数据上”，而不是将数据移动到研究人员那里。如UK Biobank将分析转移到一个基于云的研究分析平台上，该平台通常不允许研究人员下载个人级别的数据。另有一些团体正在试验可信研究环境和联邦学习：算法不暴露原始记录，但最终汇总结果。以某制药公司数十年的药物发现数据为基础训练AI模型，采用数据收集和分析模式，AI开发者将公司内部数据与外部数据结合起来，并允许第三方公司访问模型，只要它们随后回馈数据。这些技术方案能够在保护数据隐私和安全的同时，实现跨机构、跨区域的协作。它们为在数据主权时代继续推进医学AI的发展提供了可行的路径。

AI辅助遗传研究的发展速度很快，必须确保数据的使用不超出最初同意的范围，并且数据的贡献者能够从中受益。许多AI创新者现在都在利用大型生物数据库的数据，这些数据库的管理机构也在不断审查和完善自己的AI政策。

结语

AI将改善所有人的医疗保健这一承诺，其基础并非仅仅在于算法，而在于那些能使医疗保健和生物医学数据的安全、互惠和有价值的共享成为可能的规则。这对医学的回报将是巨大的。但要实现这一目标，需要在众多国家和地区之间更好地整合和协调数据。

当前医学AI发展面临的核心挑战是数据共享与数据保护之间的平衡。一方面，开放的数据能够促进科学进步，提高AI模型的性能和可靠性；另一方面，合理的数据保护能够维护患者隐私和国家利益，避免数据被滥用。解决这一矛盾的技术途径亦在快速发展，而法律和伦理框架也需要同步完善。

推动医学AI健康发展的关键在于建立安全、互惠、有价值的数据共享规则。这既是科学问题，也是伦理问题。只有在保护贡献者权益、确保公平受益的前提下，AI技术才能真正实现改善所有人医疗健康的承诺。

来源：Nature News