智能应用 影音
聚硕科技
荣耀会员

隐私强化技术释放智能医疗的开发能量

隐私强化技术释放智能医疗的开发能量

台湾的健保数据库拥有傲视全球的个人健康数据数据,这个大数据对于训练精准医疗所需要的人工智能(AI)技术,具有关键地位,但受到个资与隐私保护规范,医疗院所无法对外分享数据,对于以AI技术为基础的智能医疗发展变得困难。

基于尊重隐私与长远的个资保密要求下,国研院国网中心介绍隐私强化技术(Privacy Enhancing Technologies;PETs) 的重要发展,用技术解决个资与隐私的保护。

台湾大学信息工程学系主任暨国网中心副主任洪士灏表示,Privacy Enhancing Technologies(PETs)技术有多面向的发展,除了具备抵抗量子运算能力的同态加密(HE)技术之外,还有多种打造不同使用情境的新兴技术,以联邦式学习(Federated Learning;FL) 为例,其聚焦于FL的三个构面,包括基础研究、FL框架探讨、国际案例分享与FL框架的整合与加值。

FL技术原本由Google做为优化Android虚拟键盘Gboard的输入功能之技术,透过让使用者在自己的手机上用自己的数据来完成AI训练,再由Google汇整大量由个别使用者训练的AI模型后,基于使用者的输入数据不外泄的前提,让所有Android使用者皆共享成果,对隐私保护上具有重要的启示。

随着FL持续探询不同领域中的发展潜能时,另一个安全多方计算(Secure Multi-Party Computation;SMPC)技术,其利用分拆数据而让参与的多方人马不知道全部数据内容,拆分的愈多愈安全,但是通讯传输量愈是惊人,需要兼具高速网络与高效能运算服务做后盾,而国网中心两者兼具,加上具有在地化与官方组织的优点,成为高敏感性数据处理的最佳合作夥伴。

数据不出医院  只输出AI模型进行协同合作

国内医院碍于个资法的保护,病例与个人数据不能流出医院,所以目前仅能在医院内部使用,整体的跨院或甚至跨国的AI协同作业因此受限。洪士灏指出FL提供一个解方,无需带出病人个资,且数据可保留在原医疗院所单位,只需共享AI模型即可,同时还能兼顾病患隐私问题。

FL采取只分享AI模型而不透露各别病例或隐私数据的策略,能够避免用AI模型回推而取得病人的隐私数据,洪士灏再提出另一个强化保护AI模型的策略,也就是采用诸如同态加密(HE)技术加密,或是使用安全多方计算技术将数据分散与拆分,以防止逆向工程手法来挖出原始的病历数据的机制,双管齐下的对策用以确保护医院的医疗个资。

PETs科技的进展以最新时代的个资隐私保护技术,可以一举促成国内跨医疗单位的相互合作,未来甚至可以与美国、欧盟等国家做跨国的合作专案,让台湾在国际医疗领域上可以对全人类做出贡献,也一举让台湾在医疗科技领域地位获得提升,未来将有无限商机。

洪士灏表示接下来三、五年PETs技术将有爆发式成长,尤其隐私保护与疫调的强大需求的驱动下,将快速促成技术的破坏式创新,同态加密需要高端运算,芯片商品化潜能高,尤其加上产业标准一旦成形,将有爆炸性的成长。

从医疗隐私数据与AI模型的双重保护之PETs技术,国网中心扮演着启动者(Enabler)的角色,让科学研究与产业发展都有挥洒的舞台,透过合理的服务成本,无可取代的信赖感,洪士灏把国网中心比喻为功能卓着的球场,让医师、数据分析师、AI架构专家、解决方案商都能一起组队下场竞技,透过合作一起携手打破目前的瓶颈与门槛,充分发挥国网中心的重要功能,并对全民的福祉做出贡献。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 智能医疗 国网中心 个资 AI