[发明专利]一种基于隐私保护的医疗数据使用方法

说明书

本发明涉及一种基于区块链的医疗数据机器学习隐私训练方法，属于多源数据的机器学习模型隐私训练技术领域。本发明方法通过认证中心认证系统内机构身份并签名广播至区块链；医院公示可提供的医疗数据包于区块链；医疗服务公司选中医疗数据包，并构造数据购买交易；医疗服务公司以链上成功的数据购买交易获得密文的医疗数据包，以此进行机器学习隐私训练。对比现有技术，本发明将加密数据本地存储，将数据说明通过数据交易放入链上形成轻量级区块链，有效提高了交易的吞吐率；通过密态数据分析技术在密文医疗数据上进行机器学习模型训练，并基于该系统对病人加密数据进行医疗诊断，这不仅防止了医疗数据包的敏感信息泄露，也有效保护了病人隐私。

技术领域

本发明涉及一种基于隐私保护的医疗数据使用方法，属于多源数据的机器学习模型隐私训练技术领域。

背景技术

随着人工智能和机器学习理论与技术的发展，利用现有的大量医疗数据，医疗服务公司可以构建智能医疗诊断系统。病人自助式地将病情输入医疗诊断系统，系统返回给医生和病人病情的预诊断结果。根据预诊断结果，病人可以采取最贴切的就医措施，另一方面，预诊断过程也减轻了医生的工作量。

一个准确的智能医疗诊断模型需要大量的训练数据。“数据为王”，谷歌的研究人员通过3亿张图片的分类研究，发现机器学习模型的性能会随着训练数据量呈线性增长(C.Sun,A.Shrivastava,S.Singh,and A.Gupta.Revisiting unreasonableeffectiveness of data in deep learning era.In 2017IEEE InternationalConference on Computer Vision(ICCV),pages 843–852,Oct 2017.)。然而，医疗数据包含病人的隐私信息，隐私信息的泄露会给病人的正常生活造成不便；某些稀有疾病的医疗数据分散在多家医院，不同医院之间的医疗数据难以共享。其次，医疗服务公司没有合适的途径来获得权威官方的医疗数据。病人无法得知构造医疗诊断系统的数据来源，也就不会信任该系统的诊断结果。由此，在传统的针对医疗数据的机器学习隐私训练中,构建智能医疗诊断系统将面对以下三大难题：

1、医疗数据涉及病人隐私，各个医院无法共享医疗数据。医疗数据包含病人的隐私信息，敏感性极高。共享病人的医疗数据显然是违背道德和法律约束的，各个医院必然不会共享医疗数据。无法得到医疗数据，医疗服务公司就成了无米之炊，也就无法构造医疗诊断系统。

2、没有官方认证渠道，医疗服务公司获得的数据没有可信度和真实性的保证。数据的质量与医疗诊断系统的准确率息息相关，在互联网造就的全民无隐私的现状下，网络上存在着一些非官方的数据获取渠道，这些数据的真伪难以检验，而一旦医疗服务公司使用了从这些渠道获取的数据，将会使得预诊断结果的准确度得不到保障，从而造成经济损失。

3、病人难以对医疗诊断系统建立起信任。若医疗服务公司无法证明构造系统的数据来源，病人难以信任其构造的医疗诊断结果。

因此，为了能够同时满足针对医疗数据的隐私训练需求，必须设计一种安全的可追踪的隐私训练方法。

发明内容

本发明的目的在于提供一种基于隐私保护的医疗数据使用方法，以解决上述背景技术中提出的问题。

本发明可实现以下目的：

1、病人的医疗信息不泄露。医疗信息具有极高的敏感度，任何病人都不愿意自己的病情被他人获知。为了保护病人隐私，医院不会将病人的医疗信息直接分享给任何方，其他方无法透过医院了解到任何病人的情况。在进行疾病预测时，病人的疾病信息和预测结果公司不能得知。

2、医院与医疗服务公司的身份真实可靠。我们的平台旨在构造安全可信的医疗预诊断系统。虚假信息和未被认证的服务都将严重损害病人的身体健康，因此我们引入可信的认证中心对这两方进行账号注册，为平台中各个角色的身份提供信任保障。