必须解决这些数据管理、分析和算法 IP 问题，才能实现改善健康结果、改善患者体验和降低成本的三重目标。 机密计算可能是解决方案。
患者数据隐私问题
确保患者数据隐私的问题在于，我们要分析的数据通常位于跨越地理边界并且对保护个人健康信息具有不同监管要求的众多组织中。 将这些数据移动到一个中心位置进行分析会带来一系列额外的挑战，例如数据复制、去标识化、同步和 IP 保护，这些都会增加成本和复杂性，从而阻碍了许多此类项目的启动。
理想情况下，有一种方法可以分析数据所在的位置，保护数据的隐私和 IP 的安全性，同时消除在中心位置复制源数据的成本和复杂性。 进入由机密计算支持的多方分析。
机密计算：
虽然业界拥有一套强大的安全控制来保护静态数据（例如加密）和传输中的数据（例如 TLS/传输层安全），但保护使用中的数据（即，当它在内存中运行时） ) 一直存在差距。 根据 机密计算联盟 ，机密计算 “……通过在基于硬件的可信执行环境中执行计算来保护正在使用的数据。 这些安全且隔离的环境可防止在使用时未经授权访问或修改应用程序和数据，从而为管理敏感和受监管数据的组织增加安全保障。”
业界开始出现的一种模式是可信执行环境 (TEE) 是在由数据集所有者控制/维护的环境中创建的。 解决方案提供商创建的应用程序或算法被加密（在容器或虚拟机中），然后通过加密通道发送到 TEE 以安全执行。 这样，数据管家看不到算法，算法开发者看不到数据，只有派生出来的结果返回给数据集的所有者。
作为 机密计算联盟 ，英特尔认识到处理敏感和受监管数据的挑战。
医疗保健转型：
我想简要描述一下机密计算如何应用于当今医疗保健的三个示例，特别关注支持多方分析的示例：
示例 #1： 使用 BeeKeeper AI 加速医疗保健通用 AI 的开发
医疗保健 AI 市场受到 FDA 批准的可推广算法数量有限的阻碍。 可推广的 AI 算法需要访问原始数据会引发隐私问题，因此仅验证一个模型可能需要 36 个月到 5 年，成本高达 500 万美元。 [SK1]
为了缩短周期并确保算法安全， BeeKeeperAI, Inc. 开发了一个基于英特尔® 技术的机密计算平台，允许开发人员提交他们的算法。 然后将其容器化并带到数据所有者的环境中。 一旦到达那里，它就会在安全的加密环境中运行数据，并生成一份机密报告，重要的是，数据和算法会被破坏。
BeeKeeperAI 已经使用该系统验证了三种不同的临床模型：血流动力学稳定性指数、COVID-19 检测工具和糖尿病视网膜病变的治疗分层工具。
Example #2 使用 Leidos 进行安全接触者追踪
Covid-19 强调需要一种更有效的方式来收集和传输公共卫生员工收集的接触者追踪数据。 使用区块链技术安全地执行此操作是 MicrobeTrace Next 。
的合作成果 Leidos ，是一个数字公共卫生系统，通过自助服务仪表板将移动数据输入与增强的数据可视化相结合。
为确保不共享个人身份信息 (PII)，所有 PII 均使用两个区块链密钥进行保护。 使用这种基于账本的加密方案，所有数据访问和数据移动都是完全可审计和可追溯的，并且所有交易都是不可变的。 此外，使用基于角色的安全控制，与非司法管辖区用户绑定的帐户将无法选择访问 PII。
该系统可作为服务部署在区域或州级，使用现有端点，或与现场和远程呼叫中心的硬件捆绑包一起部署。 它还具有网络弹性，因为它可以处理不稳定的连接，或存储数据，直到恢复断开的连接。
该区块链平台依赖于英特尔至强可扩展处理器平台核心的安全计算技术。
示例#3：提高西班牙医院医学成像 AI 模型的准确性
另一个与 COVID-19 相关的关于实现安全协作的重要性的示例以联邦学习为中心，这是一种隐私保护技术，允许协作实体在不共享 PII 的情况下共享用于医学图像诊断的通用 AI 模型。 然而，这样的算法仅与运行它的网络和硬件的安全性、可靠性和性能一样好。
去年，英特尔和思科与 Capgemini Engineering、Vodaphone Spain 和 Gilead 合作，以确保可靠和安全的计算和网络，以允许三家西班牙医院——Ramón y Cajal、12 de Octubre 和 Sant Pau——交流专家知识以增强 COVID- 19 诊断 。
Capgemini Engineering 致力于 AI 算法，Gilead 支持该项目以开发更好的预防和治疗，Vodaphone Spain 提供连接，Cisco 为每家医院提供服务器计算节点。 每个节点均由具有内置 AI 加速和安全功能的英特尔至强可扩展处理器提供支持。
每家医院都在本地训练其模型并将其发送到云端，中央服务器在云端聚合数据以不断改进模型。 敏感的基础数据或患者信息仍然无法被所有各方访问，并且模型 IP 受到保护，再次使用英特尔安全技术。
概括：
机密计算支持隐私保护分布式计算，保护 AI 算法开发人员的 IP，无需昂贵且复杂的集中式方法，这些方法需要复制、同步、去识别、移动和存储大型数据集。 我很高兴看到这些功能将解锁医疗保健、生命科学等领域的未来用例。
