為了加速數字化轉型，提高中國臨床研究的效率與質量，DIA中國在上海舉辦第二屆數字創新論壇（dTrial），深入探討臨床研究信息化管理（成熟場景），臨床研究數字化應用（創新場景）以及臨床研究新興技術（技術專場）。翼方健數CEO羅震受邀參加，并發表題為《隱私安全計算在臨床數據中的應用價值》的主題演講。
第二屆數字創新論壇（dTrial）在上海隆重召開
去年疫情中，DIA中國第一屆數字創新論壇（dTrial）緊緊圍繞臨床研究數字化創新的主題，全景式地報告了臨床研究電子化、智能化、遠程化和一體化等方面的具體進展和實踐經驗。
2021年后疫情時代下，臨床試驗數字化升級轉型已成為共識，論壇在專題設置上更加注重落地實施方法和實際案例經驗。
為了更加深入具體應用場景，除了DIA數字健康社區主辦之外，本次論壇特別邀請DIA項目管理社區，DIA法規社區和SMO協作組來組織和主持數字化應用落地專題。
會議邀請到了多位重磅嘉賓到場。針對真實世界數據（RWD）和研究（RWS），各位嘉賓分享了自己深入的見解和寶貴的建議。
獲取高質量臨床數據 聯合計算具有極高應用價值
高質量的臨床數據十分珍貴，因為數據是醫生科研的基礎。在臨床研究數字化方面，數據的共享協作面臨三大挑戰：多模態異構數據VS融合標化、嚴格的法規保護VS共享開放、建設方VS使用方。
第一，對于多模態異構數據來說，數據沒有遵循FAIR原則，臨床和組學數據無法有效的治理和融合，并且海量數據向算法端移動，效率較低的同時還會導致高成本和高風險；
第二，數據的隱私安全和開放共享不能兼顧，國際合作中多重監管和本地規范增加了數據分享和分析的復雜維度，缺少符合多方要求的平臺解決方案，需要顆粒度的可靠的授權管理機制來解決這一問題；
第三，臨床/遺傳共享數據通常都是一方建設，多方使用，缺乏開放的生態建設技術手段、缺乏健全的顆粒授權管理、缺乏數據衍生知識產權的保護；
值得一提的是，臨床試驗需要嚴格的數據溯源和數據核查。
根據FDA的650份研究核查發現，接近十分之一存在問題，22個存在錯誤的信息，14個沒有報告不良反應，還有42個違背臨床試驗規范，35個試驗記錄錯誤，30個沒有保護好患者安全或沒做知情同意。
正是由于沒有嚴格的數據溯源和數據核查，導致數據容易被篡改，存在選擇性使用數據和棄用數據的情況，同時存在原始數據丟失，數據不能溯源的問題，從而導致實驗設計對照無效，生物信息處理和分析沒有整合進入數據產生路徑。
若想獲得一份高質量的臨床數據，就需要從技術層面來解決根本問題。但是傳統方式下，原始數據在使用時會離開數據平臺，失去對于隱私和安全的保護。而通過隱私安全計算方式，原始數據無需離開數據平臺，數據在平臺內授權使用，平臺只輸出數據的價值。
隱私安全計算包含前沿計算機科學技術，通過多方安全計算MPC、同態加密、聯邦學習、安全沙箱計算、TEE、差分隱私等實現數據隱私安全保護的同時，發揮數據價值。
以隱私安全計算為基石構建生物信息數據計算互聯網
翼方健數CEO羅震表示，目前我國臨床試驗需要嚴格的數據溯源和數據核查，這對當前臨床研究來說是亟待解決的問題，隱私安全計算技術可解決該困境。
隱私安全計算是指在不對外泄漏數據本身的前提下，實現規范化數據的獲取、分析、計算，原始數據不離開數據平臺，只輸出數據價值。也就是能夠保證滿足數據隱私安全的基礎上，打破數據孤島，實現數據“價值”和“知識”的流動與共享，真正做到數據的“可用不可見、可控可計量”，實現了風險的可控。
隱私安全計算在醫藥的實際應用也包含多種計算方式，以聯邦學習舉例來說，讓每個參與方利用自身樣本在本地訓練AI模型，然后將模型訓練的梯度共享，共建全局模型。因此原始數據不需要離開任何特定的設備，就能使互相高度競爭的企業能夠安全的共享數據的價值。
在國外，已經有了隱私計算在醫藥的應用實例：MELLODDY，這個項目是由10家大藥廠、2家大學、4家初創企業、1家AI企業共同參與完成。
借鑒國外的經驗，行業內各個企業也在探索如何根據我國臨床研究的實際發展情況因地制宜的研究出一套解決方案，重點解決兩方面的問題：打破數據孤島、激活數據價值共享。
其中翼方健數也利用這個技術構建了隱私安全計算數據能力平臺——翼數坊 XDP平臺，同時也是全球第一個商業部署的隱私安全計算平臺和生態系統。平臺支持多種隱私安全計算方式，支持根據不同信任假設和應用場景選擇對應的計算方式。
第一個需要解決的問題就是利用隱私安全計算打破數據孤島。
翼方健數基于隱私安全計算的數據應用開放平臺在廈門構建起區域醫療大數據平臺。廈門是國家首批醫療健康大數據試點城市，有400萬人口，目前已經實現3年內的臨床數據覆蓋和5年的數據規模。這些數據的覆蓋從根本上打破了過去醫院之間的數據孤島情況，在數據價值實現上，已經有多個研究機構和商業導向的用戶作為使用方，分享數據的價值。
通過實現數據處理、數據存儲、數據計算一體化，構建數據生態，并建設其計算和數據的互聯網，讓醫療數據在封閉環境內同樣也能實現應用輸出和價值輸出。XDP平臺在確保原始數據的隱私和安全保護的前提下，保持數據應用開放。
第二個需要解決的問題是提供方和使用方之間的利益矛盾，促進數據價值共享。
XDP平臺建立了基于智能合約的數據共享激勵機制。在數據提供方數據集發布的同時，建立智能合約，使用方在數據共享中可以參照智能合約，建立數據價值兌現時的分配方案。
對于多重數據提供方情況，智能合約觸發時可以按照衍生關系觸發上游智能合約，實現回溯。
解決了以上兩個方面的問題之后，就可以利用數據價值，幫助第三方探索AI、物聯網等場景的使用。
具體到臨床試驗中的應用上來看，通過隱私安全計算，醫療數據節點之間不需共享原始數據即可改善臨床試驗及結果。保證了數據的隱私性和安全性。
在我國智能化進程不斷提速下，人工智能企業將于各產業共同突破，通過隱私安全計算，實現數據協作和共享，發揮數據價值，推動醫療醫藥健康數字產業化前行。
