过去的健康大数据大多是信息孤岛,如何实现数据合法合规地共享应用?
近日,国家健康医疗大数据研究院、微众银行、华链医疗科技有限公司三方协作,共同为国家健康医疗大数据科技创新应用平台(下称“科创平台”)引入微众银行场景式隐私保护解决方案WeDPR,应用WeDPR隐私计算技术实现在保护数据隐私安全的前提下,开展医疗数据分析研究。
国家健康医疗大数据研究院是科创平台的技术支撑方,也是国家健康医疗大数据中心(北方)的重要组成部分,集“政、产、学、研、用”为一体,专注健康医疗大数据研究与转化。华链医疗科技有限公司是科创平台协作端的软件服务方之一,致力于构建领先的医学科学数据协作网,专注医学研究和数据应用解决方案。
引入隐私计算技术,科创平台构筑协作新生态
在医疗领域,疾病数据合法合规共享是亟待解决的难题。一方面,当一家医院对患者实施治疗后,若患者转到其他医院就医,该医院就无法判断诊疗手段是否有效。另一方面,医疗数据属于个人敏感数据,一旦被泄露或被恶意使用,将产生严重的人格尊严、人身、财产安全风险。所以,如何在共享使用的同时做好隐私保护问题是重中之重。隐私计算作为一种可行的技术手段,可在保护数据隐私安全的前提下,实现医疗数据分析研究。
基于WeDPR,科创平台集成联合统计、联合建模、联合预测、匿踪查询、隐私求交等隐私计算能力,构建了一套与外部医院、保险公司、体检中心等医疗机构进行多中心科研的隐私协作机制。各方的原文数据均无需出库,通过WeDPR进行多方大数据隐私计算,实现应对多场景规模化的医疗数据再利用。
以多中心科研中的疾病分析场景为例,科创平台设计了集隐私查询、隐私统计、隐私建模、隐私预测功能于一体的解决方案,助力医院对患者信息的跟踪维护、对诊疗方案的升级、对诊疗效果的预判。
图 健康医疗大数据全栈式智能工程系统
未来,科创平台将进一步提升医疗机构重点疾病的研究水平和防治能力,推动多中心大数据临床试验BRCT、现实世界研究BRWS、精准医学研究和智慧医疗的发展。
坚持安全可控,微众银行提供隐私计算技术支持
作为国内首家数字银行,微众银行自成立以来,一直以科技为核心驱动力,在区块链、安全多方计算等方面积极开展研究和应用,融合构建隐私计算核心能力。
此次科创平台引入微众银行WeDPR的隐私计算技术,是微众银行应用国产安全可控的数字技术,助力构建国家级健康医疗基础设施、践行ESG服务社会民生的重要实践。
图 WeDPR隐私计算解决方案框架
作为场景式隐私保护解决方案,WeDPR融合了区块链与安全多方计算技术,基于国产开源区块链底层平台FISCO BCOS构建可信协作网络,引入多种安全多方计算协议解决数据协作中的隐私保护问题,实现多方数据的安全可信协作,释放数据生产力。
WeDPR包含了联合报表、联合计算、隐私求交、隐私查询、联合建模和预测等功能需求,支持多方平等、安全地参与隐私数据协作,能够支撑各类商业应用场景灵活拓展,可广泛应用于金融、政务、公共健康、数字权益等领域,有效促进隐私数据有序流通,实现跨域价值融合创新。
凭借领先的技术优势,微众银行在隐私保护领域的攻关成果广泛获得权威机构认可:首批通过中国信息通信研究院“区块链辅助的隐私计算产品”权威评测,安全性、功能、性能全面符合国家权威测评标准;入选中国信息通信研究院可信区块链2021年度高价值案例;入选“全球隐私计算技术发明专利排行榜(TOP100),在所有入选榜单的银行当中名列全球第一。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。